XiaoMi-AI文件搜索系统
World File Search Systemauditing
报告使用SPE外部专家
此外，应该指出的是，开发人工智能有不同的技术1。This document is focused on auditing an algorithm for artificial intelligence based on machine learning, where its life cycle is divided in three totally independent stages from the point of view of data processing and these stages are: algorithm training (pre-processing), the operation of the algorithm implementing one (or more than one) operation in the framework of a personal data processing (in- processing – inference) and the decision making and impact of the same in the处理（后处理 - 模型部署）。这可能是第四个，即算法演变。所有这些阶段都可能是不同的处理活动，并且可能涉及不同的控制器。
AI在审计中的应用
经验，成熟水平和短期投资计划......... 7使用AI技术的主要动机和挑战。…………10意见………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………” Methodology...………………………………………………………………………….16
人工智能在审计中的出现
摘要：人工智能（AI）已成为一种变革性技术，具有巨大潜力，可以彻底改变包括审计在内的各个行业。随着业务运营的日益复杂和数据量的不断增长，传统的审计方法面临着跟上动态业务环境的挑战。这就需要先进的工具和技术来提高审计流程的效率、准确性和有效性。凭借其处理大量数据、识别模式和做出智能决策的能力，AI 在改进审计实践方面大有可为。本文概述了 AI 在审计中的引入，讨论了其对审计师和整个行业的潜在好处、挑战和影响。
使用
我们研究统计亚组公平性审核分类的问题。Kearns等。 [20]表明，审核组合子组的公平性与不可知论的学习一样困难。 基本上所有关于纠正歧视子组的统计量度的工作都假定了该问题的甲骨文，尽管没有有效的算法已知。 如果我们假设数据分布是高斯，甚至仅仅是对数 - concave，则最近的工作线发现了半个空格的有效的不可知论学习算法。 不幸的是，Kearns等人的减少。 是根据弱的，distribution free-freem学习而提出的，因此没有建立对诸如对数 - concave分布之类的家庭的联系。 在这项工作中，我们在审核高斯分布方面给出积极和负面的结果：在积极方面，我们提出了一种替代方法来利用这些进步的不可知论学习，从而获得了第一个多项式时间近似方案（PTA），以审核非审计的非整合统计学概念，我们显示出均超过统计学的特征：高斯。 在负面，我们在加密假设下，没有多项式时间算法可以保证一般半空间亚组的任何非平凡的审计，即使在高斯特征分布下也可以保证。Kearns等。[20]表明，审核组合子组的公平性与不可知论的学习一样困难。基本上所有关于纠正歧视子组的统计量度的工作都假定了该问题的甲骨文，尽管没有有效的算法已知。如果我们假设数据分布是高斯，甚至仅仅是对数 - concave，则最近的工作线发现了半个空格的有效的不可知论学习算法。不幸的是，Kearns等人的减少。是根据弱的，distribution free-freem学习而提出的，因此没有建立对诸如对数 - concave分布之类的家庭的联系。在这项工作中，我们在审核高斯分布方面给出积极和负面的结果：在积极方面，我们提出了一种替代方法来利用这些进步的不可知论学习，从而获得了第一个多项式时间近似方案（PTA），以审核非审计的非整合统计学概念，我们显示出均超过统计学的特征：高斯。在负面，我们在加密假设下，没有多项式时间算法可以保证一般半空间亚组的任何非平凡的审计，即使在高斯特征分布下也可以保证。
审计和报告行业现状
在本出版物中，AFM 描述了审计行业在市场结构、可持续性、欺诈、不连续性和技术方面的一些重要发展。通过这种方式，我们为行业提供了从审计公司和发行人提交的数据报告中获得的见解。例如，我们的分析表明，私募股权方在持有常规执照的审计公司（以下简称“非 PIE 审计公司”）中的市场份额已从 2023 年的 11% 上升到 2024 年的 21%。在可持续性方面，非 PIE 审计公司似乎对 57% 的受 CSRD 约束的公司进行了法定审计。关于欺诈，我们发现非 PIE 审计公司最多存在一项欺诈风险的法定审计数量从 2022 年的 13% 下降到 2024 年的 7%。最后，非 PIE 审计公司在法定审计中使用高级数据分析的比例从 2022 年的 4% 增加到 2024 年的 8%。
采矿和矿产环境审计
各最高审计机关对矿产和采矿业进行各种审计的主要目的是向最高审计机关 (SAI) 提供来自世界各地的审计信息。只要有可能，这些示例就包括有关审计目标、范围、调查结果和建议的信息。采矿和矿产环境审计是一个非常富有成果的主题。将在此领域进行审计的最高审计机关将能够提高对采矿问题相关性的认识，并改进政府解决这些问题的计划。分享经验和审计方法可以提高最高审计机关工作的质量。因为采矿是生活的先决条件，具有重大意义。国际审计组织环境审计工作组建议最高审计机关 (继续) 在其审计工作中关注采矿问题。工作组还建议最高审计机关利用国际审计组织内其姊妹组织在采矿审计方面的经验。工作组希望本文在这方面有所帮助。工作组还希望最高审计机关能够从新的角度来处理采矿问题审计，进一步发展审计技能和方法，并在不久的将来分享这些经验。在此过程中，我们将进一步扩大我们共享的知识体系，为能够为所有人提供新采矿的世界做出贡献。
