人工智慧的觸角伸向保險業

人工智慧的觸角已伸向很多行業，讓這些產業受益良多。保險業當然也不例外，業界人士也逐步開始利用和開發人工智慧的潛能。

用人工智慧評估車輛受損情況

在過去幾年一直關注ImageNetChallenge比賽的人知道，在對圖像進行歸類方面，人工智慧的精確度早在18個月前就已經「碾壓」人類。這表明，這一技術正在接近一種穩定且成熟的狀態。一旦某項技術可讓廣大消費者使用，那麼，很重要的一點是以消費者為中心，為消費者解決真正的問題。對保險消費者來說，這一問題可能是事故中車輛被剮蹭或強冰雹天氣導致的屋頂受損等。

使用人工智慧技術來自動完成某個視覺作業，比如查驗車輛受損情況等，是一種非常迅捷而方便的方式，可以更快速地向保險客戶提供關於受損程度的關鍵信息。

例如，客戶能使用智能手機給車輛四周拍照，並將照片上載進入科學家們正在研發的一個能檢測車輛受損情況的應用程序。應用程序內的圖像歸類人工智慧會將客戶上載的圖片同數千張其他匿名的碰撞圖片進行比較，給出一個預估修理成本。這麼做不僅會為客戶節省時間（尤其是發生小事故的時候），而且也會減少客戶的不確定和擔心。

一個機器視覺演算法對車輛的受損情況進行評估之後，客戶可以確定是立刻進行修理還是等等再看。而且，對於那些想要獲悉或推進修理進度的人來說，人工智慧將一直幫助他們，直到他們從汽車修理廠把車開出來。

未來，在另一個機器學習演算法的幫助下，駕駛員可能會收到附近修理廠的一個列表，尤其是那些為特定類型的車輛提供服務且網上評價很高的修理廠。

用人工智慧預防事故的發生

事故發生後，利用人工智慧進行定損非常有用，但保險公司也希望藉助人工智慧預防事故的發生。在美國利寶互助保險公司（LibertyMutual Insurance）的「日光浴（Solaria Labs）實驗室」內，一個科研團隊正在研發機器學習程序，希望其能為駕駛員安全指路和停車。如果你在城市駕車旅行，這一程序可以讓你避開最危險的十字路口。

對於居住在郊區的家庭來說，這一技術能使他們在城市開車旅行時不那麼擔心，因為人們普遍認為，在城市駕車壓力很大而且讓人望而生畏。而對城市居民來說，在一個由機器學習驅動的應用程序的幫助下，他們可以被引導到統計學意義上最安全的地方停車。

猶有不足

鑒於保險公司對人工智慧的興趣與日俱增，自然而然地，他們開始探究這些選擇。但想要利用這一技術的人也必須清醒地認識到其目前的能力和局限性。人工智慧在很多領域-比如在圖片中識別物體等方面正在慢慢成熟，但要想讓其很好地完成其他任務，還有很多的事情要做。儘管研究人員目前正在持續不斷地推進神經網路結構的發展，但在很多情況下，這一演算法仍然沒有做好商用的準備。

例如，要想讓人工智慧獲得自然語言理解（NLU）這樣的技能，還有更多的工作要做。現在，如果你要求一個虛擬助手「打電話給Brenna，哦，不，打電話給Nora」，大多數虛擬助手會先打電話給Brenna，或者讓你重複你的問題。真正的NLU則會通過你說出的命令，推斷出你的意圖，而且，這也是它迄今一直奮力的方向。

另外，記住，有些人工智慧方法更適合文本；有些人工智慧更適合音頻或數字；而另外一些則更適合圖片。縱覽整個保險生態系統，我們擁有所有這些形式的數據，可以用來減少客戶的工作量，這也應該是任何使用人工智慧的公司的目標。客戶與這項技術的銜接越自然無縫，那麼，他們完成一項任務耗費的精力越少；也越有可能完成那一任務。比如，你在網站上查詢某個保險政策可能只需要幾分鐘或者只需做幾個關鍵的敲擊動作，但通過亞馬遜公司的Alexa做到這一點可能只需要幾秒。而且，由於這種交互可以發生在客戶的客廳，因此，這一方法無疑更舒服自然。