深度学习有可能彻底改变保险部门 - 但挑战是如何使人工智能(AI)模特可审计。
在谨慎的AI团队迈克尔·纳乌沙·迈克尔·纳乌沙,迈克尔·纳乌沙的深度学习,讨论了保险公司如何开始使用深度学习。
“在高水平,您需要数据和某种模型来了解该数据的内容,”他说。“您还需要一个用户界面,以便每当业务想要提出新问题时不需要专家。”
NatuSCH表示,用户界面需要触发某种动作,以便有一个反馈循环来改进算法。“关键是从我们想要开车的行动中学习,”他说。
根据Natusch的说法,算法的选择归结为基于AI的错误决策的价值或风险。“有一个卷元素和获得错误决定的成本,”他说。
作为一个例子,他指着谷歌,它正在利用深度学习来实现识别图像,如识别图像,基于从数百万人收集元数据。
鉴于所涉及的风险水平低,所说的Natusch“相关性足以驱动动作”。他说,对于谷歌的照片识别,基于神经网络的算法足够了。
但在风险厌恶用例中,如在医疗保健方面的决策,人们需要了解为什么要做一个特定的决定。他补充说,这需要基于因果的方法,更适合概率图形模型。
Natusch说:谈到他在谨慎的经验中说:“我们需要两个模型 - 一个来了解历史数据,以及用于手写识别的东西。”
讨论手写识别如何能够在保险公司中简化索赔处理,Natusch表示,一旦扫描索赔表单,它就最终成为灰度图像。这有效地使用神经网络分析了一组数字。
一旦手写识别过程运行,Natusch,“你需要使用机器学习来了解表格实际意味着什么”。
深度学习使保险公司有机会能够实现全自动索赔进程,并从索赔表格获得额外的客户洞察力。“这就是我们所在的,”他说。
对于Natusch,深度学习不应被视为一个大型IT计划。“如果你这样对待它,它不会去任何地方,”他说。
相反,Natusch认为,最好在小型球队中开发alpha原型,然后可以用同事进行测试,并投入更广泛的Beta程序。
“你需要通过构建小型原型来证明这作品,然后加速成熟度模型,”他说。“实验很便宜。”
具体而言,Natusch推荐通过处理历史数据开始,然后演变为独立的机器学习。他说,下一个成熟阶段将涉及开发具有API的预测模型,这导致了更大的自动化决策,并且深入学习的巅峰是完全增强决策的邻接学习环。“我们看到我们做生意的一步变化,”他说。
Natusch表示,审计记录的客户电话是机器学习的另一个大机会。“我们必须倾听六百万个小时的电话。那些电话的范围从有趣到绝对令人困惑。有机会自动倾听这些电话。“
版权及免责声明:凡本网所属版权作品,转载时须获得授权并注明来源“科技金融网”,违者本网将保留追究其相关法律责任的权力。凡转载文章,不代表本网观点和立场,如有侵权,请联系我们删除。