收藏本页 打印 放大 缩小
0

人工智能有助于减少车险、农险骗保

——专访Linkface CEO黄硕

发布时间:2017-09-12 10:32:08    作者:冯娜娜    来源:中国保险报·中保网

□记者 冯娜娜

将人工智能用于保险领域,有可能发生怎样的变化?

Linkface CEO黄硕向记者描述了一种状态,将保险尤其是财险领域的车险和农险的承保、查勘、理赔环节在逻辑流程上进行线上自动化,利用计算机视觉、人工智能技术将承保、出险、理赔的后续流程实现自动化,相当于在保险公司的审核流程中加入一个前端或平行的审核环节,可以解决农险、车险方面骗保案例较多、人力成本高的问题。

用图像识别解决农险自助查勘定损

针对农险骗保,人工智能可以做什么?

黄硕介绍了一种将人工智能应用在农险领域以解决骗保的方案,例如他们正在做的奶牛核赔方案,简单而言,就是投保时将奶牛图像通过手机客户端上传,待发生出险状况时,将理赔点的奶牛和奶牛躯干图像进行校验,通过计算中心的承保照片和理赔照片进行相似度识别,从而在管理端输出识别结果、确定是否为标的奶牛,进而赔偿或拒赔。

“技术上来说,奶牛的花纹、黄牛的犄角,是类似人体指纹一样的有效身份验证方式,所以从技术上可用这种方法去解决查勘、核保以及出险骗保的情形。”黄硕提到,针对单体价值比较高的大型动物进行的个体识别,例如牛、鹿、羊、猪等,首先是通过教会计算机进行动物识别,如出现了出险行为,可通过识别动物的面部进行比对从而确定是否为标的动物。这类投保时对图像的要求也简单,标的动物的正面照、背面照、侧面照均进行上传,理赔时获取死亡奶牛侧面照即可。

“以前在确定动物身份时有例如打耳标、进行芯片植入等方式确认动物身份,但也存在例如非保险标的冒充保险标的的道德风险、谎报标的重量和植入异物到动物体的争议。而被保险的多分布在偏远乡村,查勘定损成本高;基层查勘定损协办人员短缺,无法保证及时定损理赔等问题,通过人工智能这种方式可以进行单体动物差量的保险、可以进行自助查勘,可以在农险领域进行投保方式创新。”

黄硕提到,这同样可以用于承保生猪的自助查勘定损,由农户自助上传标的照片,包括死亡猪脸正面照片、对应承保猪正面照片、侧面照片;通过计算机进行标的身份识别,根据死亡猪脸正面照与承保猪正面照判断该猪是否承保;可以根据参照物计算猪身面积,根据猪身面积预测体重理赔。“赔付是按重量计算,通过图像看重量,误差在6%的左右。通过这种方式可以协助查勘人员高效完成定损工作,也可以减少通过个体骗保和虚报重量方面的骗保,可以通过计算机识别照片解决掉。”

通过图像定损提供车险解决方案

除农险外,基于图像识别和大数据技术的解决方案还可用于车险。

在黄硕看来,在竞争充分而激烈的车险市场,广大保险公司面临巨大的生存压力,经营车险的保险公司主体盈利不明显、亏损数量较多。车险经营优劣对于保险主体生死攸关,中小保险公司更时如此。而为了优化理赔体验,降低运营成本,大多保险公司推出小额案件极速理赔服务。虽然服务时间和服务效率得到了提升,但行业痛点在与:人力资源成本过高,车险承保端几乎不盈利甚至亏损。如果可以在承保端通过一种方式减少成本,从而让车险实现承保盈利,变成一个由亏变赢的事情,计算机识别可以作为一个不错的方式。也就是说,减少人工成本、避免骗保行为其实可以通过计算机图像识别进行判断。

黄硕表示,图像定损与传统极速理赔的区别在于,传统极速理赔需要接调度、确认保险标的、现场查勘取证、人工定损、确定维修方案和金额、用户确认、赔付;鹰眼图像定损需要用户上传证件照和车辆现场照片、图像定损、用户确认、赔付四个环节可以完成。

“现在保险公司是依靠人工来进行定损,我们通过用计算机视觉进行查看,相当于是在理赔中加一个前端或者平行的流程。”黄硕提到,从技术上叫做深度学习,就是计算机模仿人的思维去看照片,是人工智能的一种方式。例如车型损伤部位,看损伤程度,位置等然后将信息给到保险公司,保险公司可以在系统上据此定损。黄硕介绍称,“现在保险公司主要依靠人来定损,用计算机去看前端采集的照片,可以过滤很多人为骗保因素,可以实现一部分人力替代,可降低保险公司3%-5%的骗保损失。”

黄硕表示,除减少人工成本、规避骗保风险外,人工智能还可以用于自动化承保验车。自动承保验车流程是:用户上传证件照和车辆照片、识别VIN码、识别行驶证、识别车牌号、识别车型、识别车辆外观(包括局部和整体)、其他包括发动机号和行驶里程。其他环节则与定损流程中的识别路径相一致。

人工智能用于保险后服务市场空间较大

在黄硕看来,公司的专业能力来自于拥有深度学习研究的技术人才、原创算法、较大的人脸数据库、人工智能行业的计算能力。2014年,人工智能里有一项技术“深度学习”在底层技术上有了突破,之后,公司研究员集中精力进行好 “机器视觉”方面的研究。

黄硕提到,深度学习通过利用深度神经网络来分析大数据,其动机在于建立、模拟人脑进行分析学习的神经网络传统机器学习,对负责函数的表示能力有限,针对复杂分类问题其泛化能力受到一定的制约。但深度学习可通过深层非线性网络结构,表征输入数据,实现复杂函数逼近,并展现了强大的从少数样本集中学习数据集本质特征的能力。

基于图像识别和大数据技术的行业解决方案可以应用在互联网金融、保险、智能园区、智能社区。

互联网金融,包括人脸身份验证、幻视反欺诈、OCR识别、用户信息核验;保险包括车险图像定损、车险自动化承保验车、精准营销、寿险大数据核保、养殖险标的的数量监控、养殖险奶牛标的的识别;智能园区包括出入口人脸考勤、VIP迎宾、远程访客邀约、员工刷脸考勤、会议室管理、访客人证登记;智慧社区包括出入口人脸门禁、访客人证登记、地库人脸门禁、楼宇人脸门禁、会所人脸门禁、远程访客邀约。

黄硕认为,将人工智能技术深耕在金融融行业,深度学习核心引擎级技术,需要有三个环节:核心应用级技术、产品应用、场景/客户。相较于前两年主要服务于银行和互联网金融公司方面的探索,黄硕表示,人工智能现在在深度和广度上都有了很多延伸,已涉及各行各业。2016年底,Linkface开始关注到保险行业,人工智能可以通过在保险的中台和后台来替代人力。保险行业尤其是财险市场,在这个细分领域加入人工智能的后服务市场发展空间将会很大。