前言
1章 全面了解人工智能1
1.1 人工智能的定義和應用2
1.1.1 人工智能的定義2
1.1.2 人工智能的十大應用8
1.2 人工智能的三大流派14
1.2.1 符號主義流派15
1.2.2 連接主義流派16
1.2.3 行為主義流派17
1.3 人工智能發展歷程17
1.3.1 一次興起：1956—197418
1.3.2 一次低谷：1974—198023
1.3.3 二次興起：1980—198724
1.3.4 二次低谷：1987年至21世紀初30
1.3.5 三次興起：2006年至今30
2章 走近人工智能技術38
2.1 人工智能基礎技術39
2.1.1 雲計算39
2.1.2 大數據44
2.1.3 區塊鏈49
2.1.4 5G57
2.2 人工智能應用技術60
2.2.1 機器學習61
2.2.2 計算機視覺67
2.2.3 自然語言處理71
2.2.4 語音識別73
2.2.5 聯邦學習75
2.2.6 圖計算81
2.2.7 圖神經網絡85
3章 金融智能：人工智能催生智慧金融89
3.1 人工智能對金融業的必要性90
3.1.1 金融科技和金融智能的概念90
3.1.2 傳統金融行業的痛點和局限91
3.1.3 金融智能的特點與優勢92
3.2 人工智能對金融界的影響94
3.2.1 金融智能是當前趨勢熱點94
3.2.2 傳統金融到智慧金融的發展歷程95
3.2.3 金融企業的科技轉型97
3.2.4 互聯網公司布局金融行業102
3.2.5 新興金融科技公司的誕生107
3.3 金融智能領域未來的發展112
3.3.1 金融智能發展的驅動因素113
3.3.2 產業未來生態結構121
3.3.3 金融智能的5個發展趨勢122
4章 金融智能引領銀行新生態125
4.1 銀行業的發展現狀126
4.1.1 銀行業概覽126
4.1.2 我國銀行業發展歷程128
4.1.3 科技對銀行業發展的影響133
4.2 傳統銀行業的痛點139
4.2.1 貸款業務方面的痛點139
4.2.2 存款業務方面的痛點142
4.2.3 支付業務方面的痛點143
4.3 傳統銀行的轉型道路143
4.3.1 傳統金融機構與金融科技企業合作144
4.3.2 部分銀行互聯網貸款、線上業務辦理145
4.4 智能化在銀行業的應用場景與解決方案146
4.4.1 “智慧員工”推動銀行發展，提升用戶體驗147
4.4.2 聲紋識別助力銀行風控防堵150
4.4.3 線下刷臉支付便利生活154
4.4.4 RPA加速銀行業務流程自動化156
4.4.5 智能預測分析工具阻失敗交易158
4.4.6 大數據技術加強銀行風險管理160
4.4.7 圖計算技術洞察反洗錢風險164
4.4.8 區塊鏈助推征信的數據共享交易166
4.4.9 區塊鏈技術融入跨境支付應用170
4.4.10 聯邦學習為“數據孤島”破局174
4.5 “智能銀行”的挑戰與未來176
4.5.1 銀行信用體繫的革新176
4.5.2 銀行模式的開放化177
4.5.3 加密前提下的銀行數據共享179
4.5.4 智能銀行自主預測與規避風險180
4.5.5 科技把控銀行監管尺度182
5章 金融智能開啟保險新常態183
5.1 保險業發展現狀184
5.1.1 保險業的起源與發展186
5.1.2 中國保險業的發展歷程188
5.1.3 科技對保險業發展的影響193
5.2 傳統保險業的痛點196
5.2.1 客服痛點196
5.2.2 理賠痛點198
5.2.3 風控痛點201
5.2.4 營銷痛點206
5.3 傳統保險業的轉型道路210
5.4 智能化在保險業的應用場景與解決方案212
5.4.1 智能客服213
5.4.2 智能理賠216
5.4.3 智能風控224
5.4.4 智能營銷 225
5.5 “智能保險”的挑戰與未來233
6章 金融智能打造證券新業態239
6.1 證券業發展現狀240
6.1.1 證券業的概念240
6.1.2 我國證券業的發展歷程及趨勢243
6.1.3 科技對證券業發展的影響247
6.2 傳統證券業的痛點248
6.3 傳統證券業的轉型道路250
6.3.1 金融智能引領證券業務模式變革250
6.3.2 金融智能與證券業深度融合251
6.3.3 金融智能加速傳統證券業的線上化轉型253
6.4 金融智能在證券業的應用場景及解決方案254
6.4.1 創新應用254
6.4.2 業務應用260
6.5 “智能證券”的挑戰與未來271
6.5.1 證券市場格局化271
6.5.2 智能化推動證券監管規則重塑272
6.5.3 證券信息透明化遏制智能證券風險273