درست مانند خود هوش ­مصنوعی، تعریف این مفهوم نیز همواره در حال تغییر است. در تلاش برای تعریف هوش مصنوعی، دیدگاه­ های مختلفی برای برجسته کردن جنبه­ های مختلف این مفهوم مورد توجه قرار گرفته است. مارتینز (2019) در تحلیل تعریفی خود از هوش ­مصنوعی پیشنهاد کرد که تا زمانی که این تعریف انعطاف پذیر باشد و توسعه جدید هوش­م مصنوعی مستقل را پوشش دهد، یک تعریف کلی می­تواند در زمینه­ ها و برنامه­ ها اعمال شود. مارتینز (2019) همچنین بیان کرد که "هوش­ مصنوعی چیست" به خودی خود یک سوال چالش برانگیز است، اما با این واقعیت که مشخص نیست چه کسی می­تواند یا باید به آن پاسخ ­دهد، پیچیده ­تر می­شود. در این راستا، مارتینز (2019) اهمیت یک تعریف را از منظر حقوقی برجسته کرد. مارتینز (2019) همچنین به محدودیت­های تعاریف هوش ­مصنوعی موجود توسط فرهنگ لغت قانون بلک، قانون نوادا و قانون لوئیزیانا اشاره کرد. در نهایت، مارتینز (2019) روش­های مختلفی را برای ارائه یک تعریف کلی بیان کرد. اینها عبارتند از تعریف «ابهام و توصیف­گرها» (مارتینز[1]، 2019). پس از تجزیه و تحلیل تمام تعاریف موجود در آن زمان از هوش ­مصنوعی، گروال (2014) هوش ­مصنوعی را به عنوان سیستم شبیه ­سازی مکانیکی برای جمع ­آوری دانش و اطلاعات پیشنهاد کرد که هوش جهان را نیز پردازش می­کند. این شامل جمع ­آوری و تفسیر و در نهایت انتشار دانش، اطلاعات و اطلاعات به طرف­ه ای واجد شرایط در قالب اطلاعات عملی است (­زمانکووا[2]، 2019). هانلین و کاپالن (2019)، هوش­ مصنوعی را توانایی یک سیستم برای درک دقیق داده ­های خارجی، یادگیری از آن­ها و به­کار بردن آن­چه آموخته است برای تحقق اهداف و وظایف خاص از طریق سازگاری انعطاف پذیر تعریف کردند. یون. ژانگ و همکاران (2020) هوش­مصنوعی را کمی متفاوت تعریف می کند و می­گوید که هوش ­مصنوعی نتیجه استفاده موفقیت ­آمیز از داده ­های بزرگ و فناوری یادگیری ماشین (ML) برای درک گذشته و پیش­بینی آینده با استفاده از مقادیر انبوه ­داده است (ژانگ[3] و همکاران، 2020). لی و تاج­­­الدین (2020)، نیز بیان کردند که هوش­مصنوعی به ماشین­ها اجازه می­دهد ازاشتباهات خود بیاموزند، با ورودی­های جدید سازگار شوند و کارهای مشابه انسان را انجام دهند. حجم زیادی از داده­ ها را می­توان تجزیه و تحلیل کرد به لطف فناوری­های هوش­ مصنوعی، الگوهای موجود در داده ­ها را بیشتر تشخیص می­دهد (لی و تاج الدین[4]،2020).

[1] . Martinez

[2] . Zemánková

[3] . Zhang

[4] . Lee & Tajudeen

ادبیات هوش مصنوعی.. 3

هوش مصنوعی و تصمیم‌گیری اخلاقی در ادبیات حسابداری و حسابرسی.. 4

 کاربرد هوش مصنوعی در حسابرسی.. 5

 استفاده از هوش مصنوعی در حسابداری و حسابرسی.. 8

 هفت الگوی هوش مصنوعی.. 10

 سه نوع الگوی هوش مصنوعی در حسابداری و حسابرسی.. 12

 پیشینه پژوهش... 13

 پیشینه داخلی.. 13

منابع   19

• مهدوی، مهدی (1401). کاربرد هوش مصنوعی در حسابداری و حسابرسی. کنفرانس بین­المللی تولید دانش بنیان و اشتغال­آفرین با محوریت بسیج شهری.
• نجاری، هانی؛ حیدرپور، فرزانه؛ جهانشاد، آزیتا (1399). بکارگیری هوش تجاری در کیفیت اطلاعات مالی با تأکید بر اصول و قیود و اندازه­گیری در حسابداری. تحقیقات حسابداری و حسابرسی، شماره 48، صفحات 121 الی 136.
• عربیان اصل، مژگان (1401). تأثیر تکنولوژی هوش مصنوعی بر حسابداری پالایشگاه­های کشور با تأکید بر مدیریت کاهش هزینه­های حسابداری و تقلب. پژوهش­های کاربردی در مدیریت و حسابداری، شماره 25، صفحات 40 الی 50.
• نظرپور، محمود؛ نسل موسوی، سیدحسین؛ حسینی شیروانی، میرسعید (1399). کاربرد هوش مصنوعی در حسابرسی مالیاتی. دانش حسابرسی، سال 20، شماره 81.
• مریداحمدی، زهرا؛ حاجیها، زهره (1400). نقش هوش مصنوعی در تحقق اهداف حسابداری صورت­های مالی: پیامدها و راهکارها. فصلنامه چشم­انداز حسابداری و مدیریت، دوره 4، شماره 51.
• کریمی، اکرم؛ دارابی، رویا؛ پورفخاران، محمدرضا؛ مقدم، حسین (1401). پیش­بینی رتبه­بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی. پژوهش­های حسابداری مالی و حسابرسی، دوره 14، شماره 2، صفحات 101 تا 139.

• Martinez, R. (2019). Artificial Intelligence: Distinguishing between Types & Definitions. Nevada Law Journal, 19, Article 9.
• Zemánková, A. (2019). Artificial Intelligence and Blockchain in Audit and Accounting: Literature Review. WSEAS Transactions on Business and Economics, 16, 568-581.
• Zhang, Y., Xiong, F., Xie, Y., Fan, X., & Gu, H. (2020). The Impact of Artificial Intelligence and Blockchain on the Accounting Profession. IEEE Access, 8, 110461-110477.
• Lee, C. S., & Tajudeen, F. P. (2020). Usage and Impact of Artificial Intelligence on Accounting: 213 Evidence from Malaysian Organisations. Asian Journal of Business and Accounting, 13, 213-240.
• Hasan, A. R. (2022). Artificial Intelligence (AI) in Accounting & Auditing: A Literature Review. Open Journal of Business and Management, 10, 440-465.

• Huang, F. and Vasarhelyi, M.A. (2019), “Applying robotic process automation (RPA) in auditing: a framework”, International Journal of Accounting Information Systems, Vol. 35, 100433, doi: 10. 1016/j.accinf.2019.100433.
• Dalla Via, N., Perego, P. and van Rinsum, M. (2019), “How accountability type influences information search processes and decision quality”, Accounting, Organizations and Society, Vol. 75, pp. 79-91.
• Kellogg, K.C., Valentine, M.A. and Christin, A. (2020), “Algorithms at work: the new contested terrain of control”, Academy of Management Annals, Vol. 14 No. 1, pp. 366-410.
• Brougham, D. and Haar, J. (2017), “Smart technology, artificial intelligence, robotics, and algorithms (STARA): employees’ perceptions of our future workplace”, Journal of Management and Organization, Vol. 24 No. 2, pp. 239-257.
• Martin, K. (2019), “Breaking the privacy paradox: the value of privacy and associated duty of firms”, Business Ethics Quarterly, Vol. 30 No. 1, pp. 65-96.
• Lindebaum, D., Vesa, M. and den Hond, F. (2020), “Insights from ‘the machine stops’ to better understand rational assumptions in algorithmic decision making and its implications for organizations”, Academy of Management Review, Vol. 45 No. 1, pp. 247-263.
• Al-Htaybat, K. and von Alberti-Alhtaybat, L. (2017), “Big data and corporate reporting: impacts and paradoxes”, Accounting, Auditing and Accountability Journal, Vol. 30 No. 4, pp. 850-873.
• Baker, M. and Andrew, J. (2019), “Big data and accounting”, Critical Perspectives on Accounting, Vol. 59, pp. I-II.
• Gepp, A., Linnenluecke, M.K., O’Neill, T.J. and Smith, T. (2018), “Big data techniques in auditing research and practice: current trends and future opportunities”, Journal of Accounting Literature, Vol. 40, pp. 102-115.
• Warren, J.D. Jr, Moffitt, K.C. and Byrnes, P. (2015), “How big data will change accounting”, Accounting Horizons, Vol. 29 No. 2, pp. 397-407.
• Losbichler, H. and Lehner, O.M. (2021), “Limits of artificial intelligence in controlling and the ways forward: a call for future accounting research”, Journal of Applied Accounting Research, Vol. 22 No. 2, pp. 365-382.
• Glikson, E. and Woolley, A.W. (2020), “Human trust in artificial intelligence: review of empirical research”, Academy of Management Annals, Vol. 14 No. 2, pp. 627-660.

• Noordin, Nora Azima, Khaled Hussainey, and Ahmad Faisal Hayek. 2022. The Use of Artificial Intelligence and Audit Quality: An Analysis from the Perspectives of External Auditors in the UAE. Journal of Risk and Financial Management 15: 339.
• Kokina, Julia, and Thomas H. Davenport. 2017. The Emergence of Artificial Intelligence: How Automation Is Changing Auditing. Journal of Emerging Technologies in Accounting 14: 115–22.
• Luo, Yuchuan, Ming Xu, Kai Huang, Dongsheng Wang, and Shaojing Fu. 2018. Efficient auditing for shared data in the cloud with secure user revocation and computations outsourcing. Computers & Security 73: 492–506.
• Moffitt, Kevin C., Andrea M. Rozario, and Miklos A. Vasarhelyi. 2018. Robotic process automation for auditing. Journal of Emerging Technologies in Accounting 15: 1–10.
• Aduloju, Kunle, Olowokudejo Folake, and Obalola Musa. 2014. Information technology and customer service performance among insurance companies in Nigeria. European Journal of Business and Management 6: 80–87.
• Kaplan, Andreas, and Haenlein. M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of Artificial Intelligence. Business Horizons 62: 15–25.
• Gentner, Daniel, Birgit Stelzer, Bujar Ramosaj, and Leo Brecht. 2018. Strategic foresight of future b2b customer opportunities through machine learning. Technology Innovation Management Review 8: 5–17.
• Noordin, Nora Azima, Khaled Hussainey, and Ahmad Faisal Hayek. 2022. The Use of Artificial Intelligence and Audit Quality: An Analysis from the Perspectives of External Auditors in the UAE. Journal of Risk and Financial Management 15: 339.
• Lin, Paul, and Tom Hazelbaker. 2019. Meeting the challenge of Artificial Intelligence. CPA Journal 89: 48–52. (accessed on 27 May 2022).
• Jariwala, Harsha Vijaykumar. 2015. Analysis of financial literacy level of retail individual investors of Gujarat State and its effect on investment decision. Journal of Business & Finance Librarianship 20: 133–58.

• Hemin, Ali Qadir. 2017. Will Artificial Intelligence Brighten or Threaten the Future Science, Ethics, and Society. (accessed on 6 June 2022).

• Noordin, Nora Azima, Khaled Hussainey, and Ahmad Faisal Hayek. 2022. The Use of Artificial Intelligence and Audit Quality: An Analysis from the Perspectives of External Auditors in the UAE. Journal of Risk and Financial Management 15: 339.

• Moffitt, Kevin C., Andrea M. Rozario, and Miklos A. Vasarhelyi. 2018. Robotic process automation for auditing. Journal of Emerging Technologies in Accounting 15: 1–10.

• Lin, Paul, and Tom Hazelbaker. 2019. Meeting the challenge of Artificial Intelligence. CPA Journal 89: 48–52. (accessed on 27 May 2022).

• Jariwala, Harsha Vijaykumar. 2015. Analysis of financial literacy level of retail individual investors of Gujarat State and its effect on investment decision. Journal of Business & Finance Librarianship 20: 133–58.

• Uglum, M. K. (2021). Consideration of the ethical implications of artificial intelligence in the audit profession. University of Northern Iowa UNI ScholarWorks.
• Walch, K. (2019). The Seven Patterns of AI. Forbes. Retrieved from: https://www.forbes.com/sites/cognitiveworld/2019/09/17/the-seven-patterns-ofai/?sh=b7f05af12d01

• Munoko, I., Brown-Liburd, H. L., Vasarhelyi, M. (2020). The Ethical Implications of Using Artificial Intelligence in Auditing. Journal of Business Ethics, 167, 209-234. https://doi.org/10.1007/s10551-019-04407-1.
• Rice, D. (2020). Assisted Intelligence vs. Augmented Intelligence and Autonomous Intelligence. Fed Tech. Retrieved from: https://fedtechmagazine.com/article/2020/01/assisted-intelligence-vs-augmented intelligence-and-autonomous-intelligence-perfco.
• Gotthardt, M., Koivulaakso, D., Paksoy, O., Cornelius, S., Martikainen, M., Lehner, O. (2020). Current State and Challenges in the Implementation of Smart Robotic Process Automation in Accounting and Auditing. ACRN Journal of Finance and Risk Perspectives, 9, 90-102. https://doi.org/10.35944/jofrp.2020.9.1.007.

• Uglum, M. K. (2021). Consideration of the ethical implications of artificial intelligence in the audit profession. University of Northern Iowa UNI ScholarWorks.

• Ezenwa, E., & Nkem, H. (2021). Impact of Artificial Intelligence (AI) on Accountancy Profession. Journal of Accounting and Financial Management E-ISSN 2504-8856 P-ISSN 2695-2211 Vol 7. No. 2 2021.
• Othmar. M, Kim. I, Hanna, S, Eva S(2022). Artificial intelligence based decision-making in accounting and auditing: ethical challenges and normative thinking. Accounting, Auditing & Accountability Journal Vol. 35 No. 9, 2022 pp. 109-135.
• Noordin, Nora Azima, Khaled Hussainey, and Ahmad Faisal Hayek. 2022. The Use of Artificial Intelligence and Audit Quality: An Analysis from the Perspectives of External Auditors in the UAE. Journal of Risk and Financial Management 15: 339.
• Solaimani, R., Rashed, F., Mohammed, S., & ElKelish, W. W. (2020). The impact of artificial intelligence on corporate control. Corporate Ownership & Control, 17(3), 171-178. http://doi.org/10.22495/cocv17i3art13.

• Munoko, I., Brown-Liburd, H. L., Vasarhelyi, M. (2020). The Ethical Implications of Using Artificial Intelligence in Auditing. Journal of Business Ethics, 167, 209-234. https://doi.org/10.1007/s10551-019-04407-1.