Rozmowy w mediach społecznościowych mogą czasem przybrać nieprzyjemny obrót, ale czy maszyny mogłyby zapobiegać tym kłótniom, zanim jeszcze do nich dojdzie?
Naukowcy z Uniwersytetu Cornell, Google Jigsaw i Wikimedia próbują to ustalić. Wykorzystują do tego Perspective API, narzędzie sztucznej inteligencji (AI) opracowane przez Google, aby
ocenić przyjazny charakter lub „toksyczność” rozmów tekstowych.
Technologia ta jest wciąż w fazie testów, więc na razie nie zapewni jeszcze pokoju na świecie. Eksperyment ten stanowi jednak dowód na to, że technologia ta potrafi przewidzieć nieprzyjemną sytuację, zanim ta jeszcze nastąpi.
Wykorzystanie
uczenie maszynowe w ostatnich latach szybko się rozwinęło. Ponieważ komputery „uczą się” rozpoznawać wzorce w danych, algorytmy wykorzystywane w procesach uczenia maszynowego już teraz rekomendują nam produkty, które powinniśmy kupić, filmy, które możemy obejrzeć, oraz osoby, z którymi moglibyśmy nawiązać kontakt w mediach społecznościowych.
W przypadku ubezpieczycieli uczenie maszynowe i sztuczna inteligencja mogą dostarczać informacji już w momencie sporządzania wyceny. W połączeniu z wysokiej rozdzielczości zdjęciami lotniczymi technologia uczenia maszynowego pozwala zidentyfikować cechy nieruchomości. Dane te mogą obejmować takie elementy, jak stan, rodzaj i kształt dachu, a także typowe czynniki ryzyka, takie jak zwisające gałęzie drzew, baseny i inne.
Basen na podwórku stanowi potencjalne zagrożenie dla nieruchomości. Raport dotyczący zarządzania ryzykiem sporządzony przez firmę EagleView zawiera uwagi dotyczące nieruchomości, takie jak obecność basenów.
Dzięki analizie wirtualnych nieruchomości ubezpieczyciele mogą:
- Przygotowuj dokładniejsze wyceny i ograniczaj liczbę błędów
- Uzupełnij brakujące informacje o nieruchomości, których właściciele mogą nie znać
- Przyspieszenie procesu oceny ryzyka ubezpieczeniowego
- Pomóc agentom w skuteczniejszym wspieraniu wnioskodawców oraz zapewnić obecnym klientom odpowiedni zakres ochrony
Każda polisa ubezpieczeniowa wiąże się z pewnym poziomem ryzyka. Dzięki uczeniu maszynowemu i zdjęciom lotniczym o wysokiej rozdzielczości ubezpieczyciele mogą lepiej ocenić te ryzyka już na etapie oceny ryzyka ubezpieczeniowego.
EagleView wykorzystuje uczenie maszynowe do analizy skutków katastrof, takich jak huragan Harvey
Po
Huragany Harvey i Irma, firma EagleView była w stanie ustalić, gdzie wystąpiły najpoważniejsze zniszczenia, porównując zdjęcia lotnicze sprzed i po zdarzeniu. Podczas
Pożary lasów w Kalifornii w 2017 roku, firma EagleView pomogła ubezpieczycielom ustalić łączną liczbę obiektów uszkodzonych lub zniszczonych. W połączeniu z obrazami lotniczymi technologie uczenia maszynowego pozwalają zidentyfikować
uderzenie gradu w dachy oraz wykrywać przypadkowe wzorce, aby pomóc ubezpieczycielom uniknąć wypłacania odszkodowań z tytułu oszukańczych roszczeń.
Ubezpieczyciele muszą być przygotowani na każdą ewentualność. Chociaż większość nieruchomości nie poniesie tak katastrofalnych strat, jak te odnotowane w 2017 roku, inne zagrożenia, takie jak pożary, powodzie czy przewrócone drzewa, mogą wystąpić w każdej chwili. Dzięki jasnemu obrazowi ryzyka, uzyskanym dzięki technologiom uczenia maszynowego, eksperci ds. oceny ryzyka mogą zapewnić spokój zarówno ubezpieczycielowi, jak i jego ubezpieczonym.