Ing. Ivan Fučík (Fučík & partneři)
Okénko daně  |  19.11.2018 19:02:24

Artificial Inteligence, Machine Learning, účetnictví a daně

Máte pocit, že pojmy v nadpisu spolu nesouvisí?  Souvisí, a o tom je tento článek. „Umělá inteligence a strojové učení (tak jsou v současnosti pojmy překládány do češtiny) budou mít na vývoj naší profese zásadní vliv.“ A není to jen můj osobní názor.

Představuji si to tak, že místo kanceláře plné účetních bude stačit několik počítačů, asistentka a jedna nebo dvě účetní. Jejich úkolem bude zajistit pořizování a vytěžování dokladů do inteligentních účetních programů, následně kontrola zpracování a kontrola a prezentace výstupů.

I v daňovém oddělení budou velkou část práce daňových asistentů vykonávat počítače, nebo spíše inteligentní programy.  Místo několika dnů rešerší, studia literatury a judikatury, bude stačit několik hodin práce inteligentního programu (říkejme mu třeba ELIŠKA). Eliška nejen, že projde relevantní literaturu, zhodnotí ji, srovná ji se zadanou situací, ale i odhadne, jak v dané konkrétní situaci rozhodne soud nebo správce daně. Jak to udělá? Prostě si přečte popis situace a srovná ho s podobnými situacemi z minulosti, porovná ho s platnými paragrafy zákonů a na základě těchto dat situaci vyhodnotí. A protože ji v první fázi člověk bude opravovat, bude se Eliška od lidí učit, aby se příště nespletla. Nevěříte? V Kanadě se takový program již používá. Podívejte se na www.bluejlegal.com.

Co je to AI (Artificial Inteligence)? Co je to ML (Machine Learning)? Zkusím popsat, jak jsem to pochopil já. Budu používat anglické výrazy, protože v češtině zatím moc literatury a ustálených výrazů na toto téma nenajdete. Čeští odborníci a programátoři si spolu často povídají anglicky.

Oba pojmy se dost překrývají, takže mě neberte za slovo, když jsem si je pro své pochopení spojil. AI a ML je proces, kdy pomocí „jednoduchých“ matematických operací učíte program (například Elišku) vyhodnocovat data tak, aby je mohl zobecnit a udělat z nich dílčí závěry. Příkladem je například rozpoznávání obrázků, nebo rozpoznání lidského hlasu. Dílčí závěry pak postupně skládáte, až dostanete závěr celkový. Často na konci závěru, přijde oprava, kterou provádí člověk. Právě taková oprava vede k tomu, že si ji Eliška zapamatuje a poučí se z ní. Tomu procesu se říká učení nebo trénování (model training). Učení Elišky trvá déle než učení lidského mozku. Principy, na kterých pracuje, jsou ale podobné. Eliška musí zpracovat velké množství informací, aby její závěry byly spolehlivé. Její výhodou je to, že zpracovat velké množství informací pro ni není takový časový problém, jako pro lidský mozek.

Na webu najdete různá schematická znázornění tohoto procesu, například následující:

schema procesu

http://msb.embopress.org/content/12/7/878

Pro nás, finanční odborníky, jsem jako příklad pro vysvětlení vybral konkrétní příklad. Jedná se o číselný model, který sleduje závislost příjmu na věku. V konkrétním případě, může takový model využívat například banka při predikci schopnosti nových žadatelů splatit poskytovaný úvěr. Pokud si data zobrazíme na grafickém modelu, lze si ML představit jako program (opět mu říkejme Eliška), který má za úkol data vyhodnotit a rozhodnout, zda dotyčný zájemce úvěr splatí nebo nesplatí. V daném modelu (znázorněn graficky) hledáme nějakou závislost (přímku). Tu pak převádíme do matematických rovnic. Samozřejmě, že vám pro predikci splácení nestačí jen věk a příjem žadatele. Je to zjednodušený model. Pokud chcete ML porozumět více, musíte oprášit své znalosti matematiky, například logaritmů a derivací. To jsem zatím neudělal, takže si hlouběji netroufám. 

Snímek_obrazovky_2018_11_19_v_1.25 - Copy 1.png

https://www.datanami.com/2017/05/10/machine-learning-deep-learning-ai-whats-difference/ 

Pokud do grafu na uvedeném příkladu doplníme informaci, zda uvedený člověk splatil čerpaný úvěr, můžeme hledat další závislost. Znamená to vymyslet model, naprogramovat ho a použít data k trénování Elišky. Tady bývá často zádrhel. Zatímco malému dítěti stačí několik obrázků pejska, aby bylo schopné ho na dalším označit, Eliška potřebuje dat mnohem více. Modelů učení a trénovaní Elišky je několik. Aby dat k naučení se nemuselo být tolik, používá se metoda učení s učitelem. Člověk jako učitel vyhodnocuje dílčí závěry učiněné Eliškou a říká, co bylo správně a co nikoliv. Tak si dané závěry pamatuje, a řídí se podle nich v dalších krocích. Jinou metodou je  tzv. „reinforcement metoda“, česky ji lze nazvat škola života. Touto metodou například učili počítač (software) hrát Go tak dlouho, až byl schopen porazit nejlepší světové hráče této hry. Metoda je založená na principu, že učíme Elišku na základě obecných pravidel (v tomto případě pravidla hry Go, program se ale nejmenoval Eliška) a říkáme mu nebo vlastně jí, co je špatně a co je dobře. Ona sleduje protihráče a učí se z jeho tahů. 

Dalším často používaným pojmem v AI je neuronová sítˇ. Na její vysvětlení si netroufám, ale na internetu najdete informací hodně. Programátoři říkají, že Eliška se umí naučit vše, co lze prezentovat čísly. Čísly lze vyjádřit zvuky, obrázky, lidi, texty a samozřejmě i čísla. Takže myslet si, že se AI vyhne číslům v účetnictví je nesmysl. Naopak právě proto, že účetnictví zpracovává velké objemy čísel a má svoje jasně stanovená jednoduchá pravidla (něco jako GO), bude jedním z prvních oborů, který AI a ML ovlivní.  

Co říci na závěr? Tady se hodí slova Buddhy. „Nic není stálé, vše, co vnímáme se mění a je pomíjivé“.  Účetní a daňové asistenty nahradí Eliška, která nespí nejí a jen se učí. Věřme programátorům, že ji naučí jen samé správné věci. 

Ivan Fučík 

 


Ing. Ivan Fučík

Auditor, daňový poradce, partner

ivan@fucik.cz

Ivan se zaměřuje na mezinárodní daňové plánování a uplatnění smluv o zamezení dvojího zdanění včetně transakčního poradenství. Podílí se také na různorodých auditorských projektech či zajištění likvidací společností.

Fučík & Partneři

Od roku 1995 působíme na poli daňového poradenství a auditu. Svým klientům nabízíme mnohaleté zkušenosti podnikového poradenství. Pořádáme vzdělávací semináře na témata z daňového prostředí. Účastníme se odborných konferencí a diskuzí. A dále se specializujeme na řízení lidských zdrojů a outsourcing mzdového a finančního účetnictví. Poskytujeme komplexní poradenské služby v oblasti auditu, daní, podnikového poradenství, účetnictví, personálního poradenství včetně mzdového účetnictví a transakčního poradenství. Naším cílem je spokojenost našich klientů.

Děláme to, co nás baví, dělejte to také a starosti s účetnictvím a daněmi nechte na nás!

Více informací na: http://www.fucik.cz/

K článku zatím nejsou žádné komentáře.
Přidat komentář

Daně a daňová přiznání - informace, termíny, formuláře



Více zpráv k tématu Daně


Poslední zprávy z rubriky Okénko daně:

24.01.2020  Změny sazeb DPH v roce 2020 Ing. Michal Sholtz (Fučík & partneři)
09.12.2019  Návrh zákona na zdanění digitálních služeb Ing. Štěpán Osička (Fučík & partneři)
25.11.2019  Nejčastější zjištění z auditu Ing. Klára Honzíková (Fučík & partneři)
10.11.2019  Předaudit a jeho výhody Ing. Klára Honzíková (Fučík & partneři)




?

Zobrazit sloupec 

Kalkulačka - Výpočet

Výpočet čisté mzdy

Důchodová kalkulačka

Přídavky na dítě

Příspěvek na bydlení

Rodičovský příspěvek

Životní minimum

Hypoteční kalkulačka

Povinné ručení

Banky a Bankomaty

Úrokové sazby, Hypotéky

Směnárny - Euro, Dolar

Práce - Volná místa

Úřad práce, Mzda, Platy

Dávky a příspěvky

Nemocenská, Porodné

Podpora v nezaměstnanosti

Důchody

Investice

Burza - ČEZ

Dluhopisy, Podílové fondy

Ekonomika - HDP, Mzdy

Kryptoměny - Bitcoin, Ethereum

Drahé kovy

Zlato, Investiční zlato, Stříbro

Ropa - PHM, Benzín, Nafta, Nafta v Evropě

Podnikání

Města a obce, PSČ

Katastr nemovitostí

Ochranné známky

Finanční katalog

Občanský zákoník

Zákoník práce

Stavební zákon

Daně, formuláře

Další odkazy

Auto - Cena, Spolehlivost

Registr vozidel - Technický průkaz, eTechničák

Monitoring ekonomiky

Volby, Mapa webu

English version

Czech currency

Prague stock exchange


Ochrana dat, Cookies

 

Copyright © 2000 - 2024

Kurzy.cz, spol. s r.o., AliaWeb, spol. s r.o.

ISSN 1801-8688