AI先行，保险如何创新

胡凯

人工智能是一门涵盖多学科、多领域的知识，且被当今社会广泛用于各行各业，给人类工作、生活，带来便捷、高效的同时，又让业界为其高度发展后带来的不确定、不可控的未来而忧虑。随着人工智能机器人开始服务于各大领域，有高效解决问题的专家系统，公众日常可接触到的可穿戴的智能设备，各种功能的3D 打印技术，科大讯飞的智能语音识别技术等，各类机器设备和智能技术如雨后春笋般不断涌现，对于人工智能技术，人们有了越来越多的创新想法。

人工智能时代，金融普惠

（一）人工智能含义及发展

在了解人工智能之前，首先要弄清楚什么是智能。人类一些很简单的动作是智能的，而有些昆虫能做一些很复杂的动作，却不算。原因是：智能是可以根据周围环境形势来不断调整自己行为的能力，显然这种应对复杂形势变化的能力，有些昆虫是不具备的。达特茅斯学院的数学教授约翰·麦肯锡将人工智能定义为“制造智能机器的科学与工程”。引用心理学的主流观点：“人类智能不是某种单独的能力或认知过程，而是很多不同能力的综合。”

“人工智能”简称AI，通常指让计算机做人类需要运用智能才能做的事情的科学，主要是集机器学习，人机交互，情感识别，心理认知以及数据保存、智能决策等于一身的多学科技术。人工智能最早在20世纪中叶的达特茅斯会议上被提出，这也成为人工智能正式诞生的标志。在人工智能经历两个低谷后的最近一个阶段，从1993年开始，人工智能其实取得了一些里程碑似的成果。例如，在1997年，国际象棋冠军卡斯帕罗夫被深蓝战胜；英国皇家学会举行的“2014图灵测试”中“尤金·古斯特曼”第一次“通过”图灵测试。2015年以来，“人工智能”开始成为诸多业界人士关注的焦点。2016年AlphaGo 在首尔以4：1战胜围棋世界冠军李世石，继而引发了人工智能将如何改变人类社会的思考。

目前，人工智能领域的研究在两个方向上有所突破。第一类新系统已经进入应用阶段，它们从经验中进行深度学习。我们通过越来越多的传感器上积累大数据，包括我们自身的电子足迹（如网络搜索、网络浏览、信用卡記录等等）也会越来越广，这些智能系统可以从中掌握人类大脑无法企及的模式和见解。

第二类新系统来自传感器和执行器的结合。它们可以看、听、感觉，还能和其所在的环境进行互动。例如：当你身处无人驾驶车内时，就身处这样一个系统中，它把你和其他车辆的信息，通过各类传感器汇总起来分析周边交通状况，利用这些信息规划行车路线。

人工智能究竟该研究哪些内容，对这个问题并没有一种举世一致的看法。一般来说， 它包括知觉和识别、自然语言加工、专家系统、问题求解、机器人等五方面。具体介绍如下：

1.知觉和识别。机器知觉包括听觉、触觉、视觉和本我感觉。但对人来说，人与周围环境的信息交流， 百分之八十以上是通过视觉通道来进行的。人从客观世界获取信息的过程中， 视觉起着最主要的作用，所以，人工智能研究机器知觉主要也是视觉的问题。在五十年代， 主要研究机器如何识别二维图象， 并取得不少的成果。例如：机器能识别英文的印刷体和一些手写体， 分辨心电图和气象图等等。目前，中国在机器识别汉字方面的研究已经取得了重要进步。六十年代中， 人工智能对视觉研究的兴趣逐渐转向三维景物，主要是识别各种积木块。通过视觉输人装置， 能够识别各种积木以及它们之间的关系和组合，并且借助机器人的手臂系统， 它能把打乱了的积木结构确切地重新排列起来。进人七十年代后， 机器视觉问题的研究转向更为复杂的目标， 如曲线物体的识别以及户外景物分析等。

2.自然语言加工。自然语言是在人们之间用来交流思想、传递信息的语言。自然语言分为书写的和有声的。二十多年来， 主要是研究书写自然语言的加工， 并取得了较好的进展，而近些年，苹果的Siri、科大讯飞的智能翻译机主要是人声识别和智能处理结合的技术。

起初， 研究自然语言加工的目的是为了机器翻译。它的工作过程就象一个初学外语的学生一样，把一种语言的一个句子中的词， 分别在词典中查找另一种语言的相应的词， 然后根据文法构成一个句子。但机译研究失败的一个主要原因， 是没有做到对语言的理解。因此， 科学家的注意力就转向语言理解的研究。到了七十年代， 研究工作的注意力从语言理解的外貌深入到模拟语言加工的基本机制，更多地注意程序内部加工过程的正确性。这些程序涉及到记忆、推理以及语言理解所必须的分析过程。到目前为止， 所有的语言理解系统，都是限制在一个特定的小范围内的。因此， 它们比人类加工语言的能力还差很远。机器究竟能不能达到象人那样的语言加工能力这个问题是有争论的。也有人认为，语言理解涉及到人类无边无际的知识， 要为计算机提供这种必需的知识，似乎是不可能的。

3.专家系统。专家系统也被称为“知识工程”，目的是在某个特定的领域内，为用户提供专门知识的咨询， 如诊断疾病， 企业知识库等等。专家系统的关键问题， 是如何表达和利用专家们在该领域中所具有和使用的知识。在专家系统中， 常常把知识表达为一集规则， 并以这些规则为基础来进行推论， 得出结论， 回答用户的有关问题。专家系统的研究， 为人工智能走向真正的实用开辟了广阔的前景。

4.问题求解。1960年， A·纽厄尔等人模拟人解题时的思维过程， 编制了一个“ 通用解题程序”。它可解一些逻辑问题， 简单的博奕以及证明定理等许多种类型的课题。这种模拟人在解题时思维活动的规律来编制程序的方法， 叫做“启发式”的方法。把“启发式”方法与特定的知识领域相结合， 会取得很好的结果。这是自动构成理论的一个实例， 非常接近于人类真正的创造活动。

5.机器人。人工智能研究机器人的目的， 是要建造一种智能机器人， 而且以“人的模型”来建造。不仅，要具有某一种感觉， 而且应该具有一定的记忆和推理能力，具有运动和用手臂操作的技巧， 还要懂得自然语言等等。因此，人工智能关于机器人的研制， 可以说是人工智能的综合性研究。事实上，大多数机器视觉的研究， 就是机器人研究计划的一部分。

机器人根据其智能程度的不同，又可分为三种：

传感型 又称外部受控机器人，可以利用传感信息（包括视觉、听觉、触觉、接近觉、力觉和红外、超声及激光等）进行传感信息处理、实现控制与操作的能力。目前机器人世界杯的小型组比赛使用的机器人就属于这样的类型。

交互型 机器人通过计算机系统与操作员进行人机对话，实现对机器人的控制与操作。虽然具有了部分处理和决策功能，能够独立地实现一些诸如轨迹规划、简单的避障等功能，但是还要受到外部的控制。

自主型 机器人无需人的干預，能够在各种环境下自动完成各项拟人任务。自主型机器人的本体上具有感知、处理、决策、执行等模块，可以就像一个自主的人一样独立地活动和处理问题。机器人世界杯的中型组比赛中使用的机器人就属于这一类型。交互性也是自主机器人的一个重要特点，机器人可以与人、与外部环境以及与其他机器人之间进行信息的交流。

随着人工智能的发展，人工智能对经济的影响也日益体现出来。专家系统更深入各行各业，带来巨大的宏观效益。AI也促进了计算机工业网络工业的发展。由于AI在科技和工程中的应用，能够代替人类进行各种技术工作和脑力劳动，会造成社会结构的剧烈变化。目前国外有不少金融机构都在尝试使用人工智能来代替传统的人工操作，助力其工作效率的提高以及成本的降低。

（二）人工智能+金融

近些年来，人工智能技术不断进步，逐渐从试验阶段走向生活领域，不断渗透到各行各业中去。

目前来讲最快、最受冲击的领域便是金融业，2016年第二季度，美国金融行业研究报告指出，自2012年到2015年年底，美国智能投资顾问管理的资产规模将在未来十年中呈现几何级数的上升，预计2025年将达到5万亿美元的水平。如此庞大的资金规模明显人工很难处理，但可以通过人工智能去规划，具体操作为：通过将金融分析师的知识和经验算法化，同时让每台人工智能机器所能服务的客户数最大化，实现复制人工智能机器的成本最低化。并且，智能投资具有速度快、精度高以及执行交易敏捷的优势。如2007年纽约公司Rebellion research推出首只人工智能投资基金，该交易系统主要基于贝叶斯机器学习，并结合预测算法，通过响应新的外部信息和过去经验而不断自我演化，有效完成了自学习，在全球44个国家成功进行股票、债券、大宗商品和外汇等方面的交易。

其次，人工智能技术还被用于其他金融领域。自2012年起，花旗集团开始运用人工智能电脑来完善客户服务，IBM为其提供的人工智能电脑，可以利用人类的认知方式来进行推断和演绎各类问题的答案，从而向客户提供诸如未来经济形势分析、产品需求分析等服务，还可以结合投资者的投资履历中诸如风险偏好、资产运作周期等参数制定个性化的投资计划。

另外，人工智能还可辅助金融新闻、报告、投资意向书的半自动化产出。如美国肯硕公司结合自然语言搜索引擎、图形化用户界面和云计算，为投资用户提供了一套全新的数据分析工具，并且能够回答复杂的金融市场问题。

最后，金融行业专业报刊还推出了“人工智能记者”的程序，例如：在股市交易日结束时，安装了此项程序的电脑基于证交所的各项交易数据，瞬间就可写出一篇关于当日股市行情状况的新闻报道，并且大多数读者无法分辨到底是人写出来的还是人工智能程序完成的。

AI先行，保险如何创新

人工智能时代下，真正的战斗在于数据，而非程序。作为一个人工智能、大数据时代下的人类，每天当你打开手机，加载含有广告的页面时，弹指间，一场蔚为壮观的战斗就打响了，各式各样的人工智能技术开始互相厮杀。从你点击链接到网页真正出现在屏幕上的约一秒钟内，上百个进程在互联网中激烈地搜寻你最近的行为细节，估算你会被其中一家广告商影响的可能性，甚至还可以针对性地为客户进行相应产品和服务的推介。

据IBM估计，在过去几年中，来自智能手机和工业设备传感器的信号，数码照片和视频，不间断的全球性社交媒体洪流以及许多其他信息来源混合在一起，产生了90%的全球数字化数据，并使我们置身于一个空前的大数据时代。海量数据很重要，因为它支持并加速了人工智能和机器学习的发展。现在，深度学习和强化学习等主导该领域的算法和方法都有一个基本属性，即提供的数据越多，结果就越好。

其次，远近距离的无线通信技术和协议正在迅速改善。例如，无线5G技术，其下载速度高达每秒10GB。这比LTE网络的平均速度快50倍，而LTE网络本身又比上一代3G技术快10倍。这样的速度提升意味着更好、更快的数据积累，也意味着机器人和无人驾驶汽车可以面对不断变化的周围环境，在运行时更快地做出反应。

另外，组织和个人现在可以获得前所未有的计算能力。应用程序、空白的或预配置的服务器以及存储空间都可以长期租用，或通过互联网租用几分钟。这种面世未满10年的云计算基础设施以三种方式加速了机器人的“寒武纪爆发”。

机器人、无人机、自动汽车和卡车以及许多深度数字化的机器领域制造“寒武纪爆发”。价格大幅下降的装置激活了更高速度的创新和实验，产生了大量数据。它们被用于测试和优化算法，帮助系统进行学习。算法被置于云端，并通过强大的网络分发到机器。创新者又开展下一轮的测试和实验，如此周而复始，持续下去。

（一）AI2.0技术特征概述

随着联网、云计算、大数据、物联网等这些信息新环境的发展，人工智能已经告别了略显“笨拙”的AI1.0时代，在性能升级、应用深入的道路上，奔向AI2.0时代。

AI2.0的技术特征体现在四个方面：

1.从传统知识表达技术到大数据驱动知识学习，转向大数据驱动和知识指导相结合的方式。

2.从分类型处理视觉、听觉、文字等多媒体数据，迈向跨媒体认知、学习和推理的新水平。

3.从追求“智能机器”到高水平的人机协同融合，走向混合型增强智能的新计算形态。

4.从聚焦研究“个体智能”到基于互联网络的群体智能，形成在网上激发组织群体智能的技术与平台等。

（二）保险行业的借鉴和创新思考

目前，人工智能已经在智能化定损、智能化客服和智能车险经纪人等方向上，有了相关场景的应用案例。

当然，保险公司也可能很快会使用无人机，以便评估龙卷风后屋顶受损的程度、帮助保护濒危动物群体免遭偷猎、防止偏远森林受到非法采伐以及完成许多其他任务。现今，无人机已被用于那些原本沉闷、肮脏、危险或昂贵的设备检查工作。

医疗保健领域提供了许多例子，证明了如何利用人工智能付诸实践。医疗诊断是一项模式匹配工作，由于医疗保健信息的数字化和机器学习等领域的进步，人工智能在这项工作上可以达到超人的水平。即便放射学、病理学、肿瘤学等大多数专科最好的诊断医生还未数字化，相信这一天也会很快到来。

其次，人工智能技术能够替代人工完成理赔、用户服务等环节，降低成本，提高效率，并给客户带来更好的体验。

另外，人工智能在保险公司风险管理上，也可以得到有效的使用，例如：在反欺诈上，AI自动挖掘文字数据信息并进行深度理解，发现并标注风险提示；在投资分析上，AI揭示隐藏信息，并评估其投资风险；在业绩表现评估上，AI综合运用预测模型、专家系统等提升预测精度等。

人工智能的时代，保险科技的发展拥有无限的可能，甚至会出現以下场景：

1.客户利用人脸识别进行保单付费。

2.客户利用人脸识别对客户App端进行登陆解锁以及在线理赔验证。

3.人脸识别大数据的积累和平台建设，未来用于线下各类服务活动，客户什么都不用带，用刷脸完成各种服务流程。

4.每个保险客户的App上都会有一个虚拟助手，这些虚拟助手会非常聪明。当我们的私人助理们更多地了解我们的日常生活时，我可以想象有一天我不必为准备晚餐而担忧。你的人工智能助理知道你喜欢什么，知道你的食品柜里有什么，知道一周中的哪几天你喜欢在家做饭，并且确保当下班回家时，所有的食品杂货都已经出现在家门口，准备好让你去做一直渴望的美味佳肴。”

5.人工智能将为你编写专门为你量身定做的健康资讯和保险产品搭配。这些保险产品搭配可能不仅仅是对用户经济情况、健康状况和家庭情况等科学分析的推介，而且会在市场中进行其他保险公司类似投资组合进行比较，以及列举推介该搭配组合的主要原因。

6.客户的家庭医生会应用人工智能。未来大多数领先医疗保健系统将在其诊断组中采用某种形式的人工智能。除了很多采用人工智能技术出现在医学诊断，还会看到人口健康、医院手术和一系列广泛的临床专业的解决方案将紧接其后使用人工智能技术。人工智能技术在将来可能会真正改变医疗服务提供者的工作方式，以及病人在全球范围内体验医疗保健的方式。

引用李开复接受媒体采访的话：“人工智能未来的发展有三个阶段，先是应用现有数据，接下来是透过更多新的感应器和硬件收集新的数据发展新的应用，最后，则是全面自动化。这三个阶段发生的时间大概会是未来的五年、十年和十五年。”