人工智能在商业银行的应用与实践

　　进入了以数字化、信息化为主的工业3.0时代，人工智能取得了飞速发展并正着社会高速发展，迈向以智能化著称的4.0时代。随着商业银行的全球化发展、信息科技的深度应用，商业银行和人工智能已经呈现出了互相促进的态势。但不容忽视的是，在智能化转型的过程中，人工智能所引发的风险也必须引起重视，如何规避可能产生的风险，提出有效的解决方案，使所有相关流程合法合规，也是商业银行在社会发展中所应当承担的责任。本书核心部分详细介绍了人工智能技术在商业银行的应用实践，有利于具体指导商业银行中人工智能体系的建设，填补国内相关经验分享的空白。

　　王铿，中国银行软件中心党委书记、总经理，中国银行金融数字化委员会委员，主持研发了中国银行全球统一支付平台、全球日间流动性管理平台、“e企赢”全球企业生态系统等重点产品，曾获得人民银行科技发展奖特等奖、一等奖、银行家杂志“中国金融创新奖之十佳区块链应用创新奖”、“亚洲银行家”区块链应用项目奖等多个重要奖项，牵头开展了区块链、粤港澳大湾区、自贸区等多项重点领域专题研究，多年深耕金融科技创新和数字化转型领域，具有丰富的金融业信息科技工作经验。

目录
前言
第1章　人工智能概述　/ 1
1.1　人工智能技术　/ 1
1.1.1　人工智能的概念　/ 1
1.1.2　人工智能的发展　/ 2
1.1.3　金融科技的发展　/ 3
1.2　人工智能的应用　/ 5
1.2.1　人工智能的应用领域　/ 5
1.2.2　人工智能在商业银行的应用　/ 7
第2章　商业银行常用人工智能技术简介　/ 13
2.1　机器学习技术　/ 13
2.1.1　主流算法介绍　/ 14
2.1.2　建模流程　/ 15
2.2　语音处理技术　/ 16
2.2.1　语音识别　/ 16
2.2.2　语音合成　/ 18
2.3　自然语言处理　/ 18
2.3.1　基础技术　/ 18
2.3.2　应用介绍　/ 19
2.4　知识图谱技术　/ 21
2.4.1　图谱构建　/ 22
2.4.2　知识应用　/ 23
2.5　生物特征识别技术　/ 25
2.5.1　人脸识别　/ 26
2.5.2　虹膜识别　/ 26
2.5.3　静脉识别　/ 26
2.5.4　声纹识别　/ 27
2.6　计算机视觉技术　/ 28
2.6.1　基础技术　/ 28
2.6.2　OCR技术　/ 29
2.7　联邦学习技术　/ 31
2.7.1　横向联邦学习　/ 32
2.7.2　纵向联邦学习　/ 32
2.7.3　联邦迁移学习　/ 33
第3章　商业银行应用策略　/ 35
3.1　人工智能技术的应用方法　/ 35
3.1.1　机器学习应用类型　/ 37
3.1.2　智能语音识别应用类型　/ 41
3.1.3　自然语言处理应用类型　/ 42
3.1.4　知识图谱应用类型　/ 44
3.1.5　生物特征识别应用类型　/ 47
3.1.6　计算机视觉应用类型　/ 49
3.2　人工智能应用的评价　/ 50
3.2.1　感知评价指标　/ 50
3.2.2　认知模型评价指标　/ 51
3.2.3　数据集划分　/ 52
3.2.4　评估指标　/ 52
3.3　人工智能模型运营管理　/ 58
3.3.1　人工智能模型生成　/ 58
3.3.2　人工智能模型运营　/ 59
3.4　人工智能应用中的风险因素　/ 62
3.4.1　人工智能风险　/ 62
3.4.2　金融人工智能应用的安全性　/ 68
3.4.3　人工智能安全法律和政策　/ 70
第4章　商业银行应用架构　/ 81
4.1　人工智能应用架构简介　/ 81
4.1.1　人工智能产业介绍　/ 81
4.1.2　人工智能平台实施方法　/ 84
4.2　感知智能平台架构　/ 91
4.2.1　感知能力共享中心　/ 92
4.2.2　生物识别平台　/ 96
4.2.3　语音识别平台　/ 97
4.2.4　自然语言处理平台　/ 98
4.2.5　知识库平台　/ 100
4.2.6　机器人平台　/ 101
4.3　认知智能平台架构　/ 102
4.3.1　基础数据层　/ 105
4.3.2　软硬件资源层　/ 105
4.3.3　技术框架层　/ 105
4.3.4　模型管理层　/ 108
4.3.5　服务应用层　/ 109
4.4　应用架构设计要点　/ 109
4.4.1　应用架构设计　/ 109
4.4.2　工程实践经验　/ 111
第5章　商业银行应用场景及实践　/ 114
5.1　主要应用场景简介　/ 114
5.2　智能客服　/ 120
5.2.1　背景　/ 120
5.2.2　主要用法　/ 120
5.2.3　业务价值　/ 134
5.3　智能渠道　/ 135
5.3.1　背景　/ 135
5.3.2　现状　/ 136
5.3.3　主要用法　/ 137
5.3.4　业务价值　/ 142
5.4　智能营销　/ 143
5.4.1　背景　/ 143
5.4.2　智能推荐应用　/ 144
5.4.3　智能推荐价值和展望　/ 147
5.4.4　流失预警　/ 147
5.4.5　智能投顾　/ 149
5.5　智能投资　/ 149
5.5.1　背景　/ 149
5.5.2　高频交易　/ 150
5.5.3　程序化交易　/ 151
5.5.4　人工智能　/ 151
5.5.5　交易模式　/ 153
5.5.6　订单类型　/ 154
5.5.7　常见策略　/ 154
5.5.8　策略开发流程　/ 156
5.5.9　业务价值　/ 157
5.6　智能风控　/ 158
5.6.1　背景　/ 158
5.6.2　现状　/ 159
5.6.3　主要内容　/ 159
5.6.4　智能风控的风险传导体系建立　/ 170
5.7　智能运营　/ 171
5.7.1　运营的概念　/ 171
5.7.2　运营的趋势　/ 172
5.7.3　某银行智能运营的建设方案　/ 173
5.7.4　交易集约　/ 174
5.7.5　风控集约　/ 178
5.7.6　实物集约　/ 182
第6章　商业银行应用展望　/ 183
6.1　人工智能技术的发展及应用　/ 183
6.2　商业银行业务发展对人工智能的需求　/ 187
6.2.1　智能客服　/ 187
6.2.2　智能渠道　/ 188
6.2.3　智能营销　/ 188
6.2.4　智能投资　/ 189
6.2.5　智能风控　/ 190
6.2.6　智能运营　/ 190
6.3　人工智能应用的合规性　/ 191
6.3.1　国际金融监管政策分析　/ 192
6.3.2　国内金融监管政策分析　/ 194
6.3.3　启示与变革　/ 195
结束语　/ 196
参考文献　/ 198