随着审计性，深度学习可以彻底改变保险业

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。“