郑建明：人工智能数据挖掘与教育供给侧结构性改革（4）

三、相关的管理、会计、法律问题

（一）管理问题

管理的问题是数据价值的开发和产权保护问题。

1. 数据泄露损失

根据IBM统计，2019年全球数据泄露平均损失392万美元，也就是说数据泄露损失是非常严重的问题。

2．隐私权侵权

比如很多手机APP会超范围或在用户不知情的情况下收集个人信息，这就侵犯了个人的隐私权。

3．数据产权的争端

比如在数据链条中，数据的上游有没有权利关闭数据下游，或数据下游有没有权利去分享数据上游的数据等问题。数据产权的争端是基于数据产业链、价值链必然产生的问题。

4．数据开放共享

现在存在的主要问题是，政府和企业之间共享的权利不对称。政府收集企业的数据比较容易，但企业使用政府的数据难度比较大，如果政府之间信息不共享，就会形成孤岛。这种情况的核心问题在于数据透明度与数据安全的两难权衡，因为数据越透明、越共享，就越不安全；如果要体现安全就要加大对数据的掌控，然而掌控力度越大分享力度就越小。

（二）会计问题

第一，数字经济改变了企业的主体形态，使企业的边界逐渐模糊甚至产生了无边界的企业和虚拟企业，这个时候怎么界定会计主体就成为了问题。

第二，各企业加速进行轻资产智能化的转型或者数字化的转型，企业的产品生命周期越来越短，很多数据的生命周期只有几秒钟，导致企业的生命周期也会越来越短。企业生命周期越来越短，会挑战持续经营假设（持续经营假设是指被审计单位在编制财务报表时，假定其经营活动在可预见的将来会继续下去，不拟也不必终止经营或破产清算，可以在正常的经营过程中变现资产、清偿债务）。

第三，数字资产的计量是用货币计量还是用数量计量的问题。如果用货币计量该怎么体现？是用历史成本法还是用公允价值？如果用公允价值数据资产或者是数字资产，很多是没有现实的市场价格可供参考的，这种情况下就只能通过类似的资产，作为一个替代价格或者可比价格。如果市场上连这种替代性的资产都没有，这个时候用什么来呢？只能用模型来进行推测。所以这种情况下资产的估值越来越依赖职业判断，因为不同的模型算出来的结果还不一样。

（三）法律问题

即“一民两法”（《中华人民共和国民法典》《中华人民共和国数据安全法（草案）》《中华人民共和国个人信息保护法（草案）》）的规范和落地问题：

第一，“一民两法”现在强调对数据权属的规范，忽略了对数据挖掘行为的规范。

第二，我们传统的司法行为主要以事实行为为证据，现在数字经济下很多数据的证据甚至推测的证据能不能算有效司法证据？这需要有待进一步的确认。

四、教育供给侧结构性改革

教育供给侧结构性改革对人工智能方面影响最大的是会计与金融的融合，这个融合体现在培养高位人才的一些要求，新复合型人才既要懂人工智能、懂科技，又要懂金融、懂战略，归纳为十六个字，即“会计为表、金融为里，战略为本，科技为气”。

也就是说，现在企业会计编报表越来越次要，分析报表越来越重要。并且除了对数据进行挖掘，对公司战略的制定和风险管理也越来越重要。

在此背景下，2018年教育部开始对人工智能学科和专业建设加快了推进。现在中国的人工智能整体实力已经领跑全球了，人工智能论文发表数量全球第一，企业数量、融资规模全球第二，但是美中不足的是论文的影响力指标稍微落后一点。

2020年2月21日，教育部公布2019年度普通高等学校本科专业备案和审批结果，新增备案专业数量最多的人工智能，共有180所高校新增，其他新增的部分专业与人工智能相关度较高。说明人工智能专业以及交叉学科成为我们教育供给侧改革的主流方向和主要实施路径。

随着产业数字化带来的数据基础的日益成熟，人工智能在营销、金融、数字政府、零售、医疗等行业落地持续推进。如何产业落地成为人工智能的主要命题。

人工智能技术无法直接解决业务需求，需根据具体业务场景和目标，形成可规模化落地的产品与服务。人工智能在数据、算法业务场景理解、服务方式、产出投入等方面面临挑战。