人工智能太遥远？它已经开始“入侵”传统保险业了！

如果你有一直关注近几年的ImageNet（计算机视觉识别挑战赛），你就会知道计算机的图像识别能力已经在十八个月前超越了人类，这意味着这项技术已经到达成熟稳定的发展阶段。当某项技术已经准备好向用户推广，最重要的就是以用户为中心，为其解决特定的问题。对购买保险的普通消费者来说，这个特定的问题很可能就是一些小嗑小碰的交通事故或者是冰雹造成的损坏。使用人工智能技术执行视觉检测任务，如检查损坏的汽车，这几乎可在瞬间为保险用户提供关于损害程度的关键信息。

试想一下，用户可以用自己的手机拍下车辆各个角度的照片，上传照片到分析车辆损坏程度的手机程序，程序就可以通过视觉识别将车辆损坏信息与其他数千起事故照片进行比对，从而估计出车辆维修费用。这不仅能节省时间，特别是在轻微事故的情况下，这能够缩短消费者担心焦虑的时间。

经过机器视觉算法评估车辆的损坏程度后，用户可以自行决定是否要马上进行维修，并能评估大致的维修时长，让用户知道应该何时去维修店取车。同时在另一项机器学习算法的帮助下，系统会向司机推荐附近可靠的修理店，例如，某些特定服务在网上获得好评的维修店。

发生事故后通过AI判断处理方式是非常高效的，与此同时保险公司也可以运用AI预防事故的发生。在利宝保险公司的创新孵化器——Solaria实验室中，某团队正在开发一项机器学习算法任务，该项目将能够帮助驾驶员提高驾驶与停车过程的安全性。想象一下在你前往城市的路途中，AI可以指导你避开路途中最危险的十字路口。

对住在郊区的家庭来说，这项技术可能会使这个家庭开车出行少一些担心，因为调查发现，很多城镇居民认为在城市里开车“压力山大”，隐藏着很多威胁。而对于城市居民来说，或许外后视镜出现问题就不足以让你安全地把车停在街上的某个位置。但在人工智能算法驱动的程序指引下，你就可以到达最安全的区域停车。

既然人工智能技术拥有这么多优点，自然会有很多公司希望能加速这项技术的商业化应用。对这些公司而言，它们必须认清AI技术目前的能力与局限。AI技术在某些领域达到成熟阶段，比如辨认图像中物体的能力，但它在其他领域仍有很大进步空间。研究人员继续对AI神经网络架构进行优化，但某些情况下该算法仍未达到商业应用阶段。

打个比方，人工智能技术在自然语言识别领域仍然不完善，对日常语言的理解并没有达到很高的水平。而通过对口语化命令进行正确辨识以理解用户的真正意图，一直是目前AI努力发展的方向。

此外，有一些AI技术应用的操作方法更适合以文本、音频或图片为对象。纵观整个保险业商业系统，他们通过对各种形式数据的计算运用，以最大限度的减少用户的精力投入，这应该是所有使用AI技术的保险公司的目标。用户与技术之间更自然和无缝地交互，花费的精力越少，用户越有可能完成一项任务。打个比方来说，可能在线申请理赔既需要填写一堆复杂的资料，花费的时间很多，但如果通过亚马逊的智能语音助手Alexa可能只需要几秒钟就够了。由于绝大多数操作只需在客户的家中完成，所以这项技术毫无疑问会变得越来越受欢迎。

本文为车云网原创文章，欢迎关注cheyun.com,微信添加“cheyunwang”或“车云”订阅公共帐号。

投稿！合作！提问！每日早报！活动直播！结交大咖！只需扫描下方二维码，即可添加车云个人微信号“车云菌（cheyunjun2016）”为好友，更多精彩内容不容错过。