生成式人工智能将给保险行业带来什么
2022年11月，美国初创公司OpenAI推出了ChatGPT，再度掀起了全球对生成式人工智能（AIGC）的关注热潮。这款运用人工智能（AI）驱动的高级自然语言处理工具仅上线5天用户数就突破100万，仅2个月后，月活跃用户数就突破了1个亿，成为人类历史上用户数增长最快的消费级应用。
目前，各行各业都在探索，AIGC到底能带来哪些颠覆。
5月25日，贝壳财经记者注意到，近期，由众安保险联合众安科技发布了保险业首份《AIGC/ChatGPT保险行业应用白皮书》（以下简称《白皮书》）。
其中提到，该项技术有望成为险企决胜未来的重要战略性资产，其与行业的深度融合将大幅提高企业整体运营效率，而非单一的人力替代。
由于AIGC赋能险企仍处于初期阶段，保险企业应用该项技术仍面临重重挑战，《白皮书》倡议更稳健的技术实践，更科学的试点实验，及更多的跨界沟通，与众协同为生成式人工智能在保险领域的可持续发展贡献力量。
AIGC能为保险业做些什么？
AIGC指一种可以学习复杂数据结构和规律，并用这些规律来生成新数据或解决问题的算法，与传统机器学习算法相比，AIGC有更强大的创造能力。
若充分利用AIGC的优势特点，可以为保险公司在保险产品、营销、运营和客服等多个领域提供深度技术赋能，同时还可以应用于日常办公、研发提效等多个方面。
AIGC到底能为保险业做些什么？以保险产品设计为例，《白皮书》称，AIGC模型在以健康险、寿险为代表的人身险和以车险为代表的财产险中，有巨大的应用潜力。比如在风险因素识别上，AIGC可以分析大量的健康险相关数据，包括历史赔付数据、人口统计和医疗资料等，从中识别出潜在的风险因素，有助于产品精算人员更好地理解不同客户的风险特征，并制定相应的保险策略；在个性化建议上，AIGC可以根据个人医疗历史和风险因素，为产品精算人员提供个性化的保险建议和方案，这有助于产品精算人员更好地理解客户需求，并提供更符合实际需要的保险产品。
《白皮书》还指出，AIGC可赋能保险市场营销服务的应用场景，比如在保险产品推荐上，利用AIGC技术，保险公司可以构建智能化保险产品推荐机器人，通过自然语言交互，为客户提供个性化的保险产品推荐和购买建议。机器人可以通过分析客户的需求、偏好、风险承受能力等信息，快速准确地推荐适合客户的保险产品，提高保险销售效率和客户满意度。
在国际上已有类似的应用，比如2015年创立的以人工智能为特色的互联网保险公司Lemonade，该平台打造基于GPT-3技术面向用户的销售机器人玛雅（AI.MAYA），当客户有购买保险的意图时，只需与玛雅约两分钟的简单聊天便能识别与处理客户信息，推荐适配的保险产品及报价，促成交易的达成。玛雅还通过向客户提出有限且高质量的问题，并根据回答进行算法调整，后续可大幅度减少客户管理时间。
在理赔环节中，AIGC也可以用于提升理赔工作效率和客户满意度，《白皮书》称，AIGC可以自动评估理赔金额，通过机器学习和数据分析技术，根据保险条款、索赔信息和历史数据等因素，自动计算理赔金额，从而提高理赔效率和准确性。
据了解，目前，众安保险已经将AIGC技术用于碎屏险审核协助，通过对碎屏核保照片筛选，根据多维风险特征将其分为不同风险等级，采取不同的审核策略。
相关应用风险需要关注
不过，《白皮书》也提醒称，尽管AIGC在诸多场景下展现出强大能力，但其限制和风险不容忽视。
比如，在安全风险与数据保护方面，《白皮书》提到，企业问答助手涉及企业敏感数据传输和存储，需注意数据安全保护。AIGC大模型也存在被恶意攻击的风险，如注入有害数据或使用攻击性文本。在使用生成式AI时，需要对数据进行加密和安全措施，保护企业和客户敏感数据。
此外，在代码自动补全限制上，《白皮书》提醒称，AIGC在复杂编程语言和框架方面准确性可能不高，无法完全替代人工编写。此外，AIGC可能产生不必要的代码、泄露机密信息、引入安全漏洞等，开发者需适度依赖AIGC以发挥人与AI的互补作用。
因此，《白皮书》建议，在实际应用中，企业应全面考虑数据质量、语义理解、安全风险、误解风险、用户需求等问题，确保模型的准确性和可用性。同时，开发者和使用者需掌握相应技巧和经验，结合人工智能和人类判断，实现最佳的协同效果。
新京报贝壳财经记者潘亦纯编辑王进雨校对柳宝庆
人工智能简史 第2版
链接：pan.baidu.com/s/1xTCH_lUrtZVmG5bPLWuWmQ?pwd=fjpk
提取码：fjpk
1.人工智能专家尼克重磅作品全新升级；2.全方位解读人工智能的来龙去脉，一线专家细数行业经典与成败得失；3.把科学的故事讲得富于思想性，把技术的问题讲得颇具趣味性；4.获得第七届中华优秀出版物图书奖、第八届吴文俊人工智能科技进步奖，入围央视“2017年度中国好书”，获选第十三届“文津图书奖”推荐图书；5.新版全书修订，新增章节，补充人工智能演进路线图和人物关系图。
内容简介《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。本书极具专业性、思想性和趣味性，既适合缺少专业背景的读者了解人工智能的来龙去脉，作为人工智能的启迪之书，也适合专业人士了解人工智能鲜为人知的历史，提供深入学习的指导。
作者简介尼克，曾任职于哈佛和惠普，后创业投资，2016年创立乌镇智库。无论忙闲不忘读书写字，作品多发表于《上海书评》，并有著作《UNIXSYSTEMV内核剖析》和《哲学评书》。
目录目录第1章达特茅斯会议：人工智能的缘起11．背景22．达特茅斯会议73．AI历史的方法论114．会议之后165．预测未来：会有奇点吗？22第2章自动定理证明兴衰纪271．自动定理证明的起源282．罗宾逊和归结原理363．项重写384．阿贡小组和马库恩395．符号派的内部矛盾：问答系统和归结原理的失落416．几何定理证明与计算机代数437．定理证明系统和竞赛488．哲学问题519．现状5510．结语57第3章从专家系统到知识图谱691．费根鲍姆和DENDRAL702．MYCIN733．专家系统的成熟754．知识表示765．雷纳特和大知识系统816．语义网847．谷歌和知识图谱86第4章第五代计算机的教训931．背景942．理论基础：逻辑程序和Prolog973．五代机计划和五代机研究所1004．并发Prolog1035．美国和欧洲对日本五代机计划的反应1056．结局和教训1097．日本还有机会吗：日本下一代人工智能促进战略111第5章神经网络简史1131．神经网络的初创文章1142．罗森布拉特和感知机1203．神经网络的复兴1254．深度学习129第6章计算机下棋简史：机定胜人，人定胜天1351．机器下棋史前史1362．跳棋插曲1373．计算机下棋之初1384．“深蓝”1445．围棋和AlphaGo146第7章自然语言处理1491．乔治敦实验1502．乔姆斯基和句法分析1513．ELIZA和PARRY1584．维诺格拉德和积木世界1655．统计派又来了1726．神经翻译是终极手段吗？1747．问答系统和IBM沃森1758．回顾和展望177第8章向自然学习：从遗传算法到强化学习1831．霍兰德和遗传算法1842．遗传编程1893．强化学习1914．计算向自然学习还是自然向计算学习1975．计算理论与生物学198第9章哲学家和人工智能2031．德雷弗斯和《计算机不能干什么》2042．塞尔和中文屋2113．普特南和缸中脑2144．给哲学家一点忠告217第10章人是机器吗？——人工智能的计算理论基础2231．丘奇-图灵论题：为什么图灵机是最重要的发明？2252．相似性原则：另一个重要但不太被提及的计算理论思想2303．超计算2344．BSS实数模型2355．量子计算2376．计算理论的哲学寓意2407．超计算和人工智能242第11章智能的进化2491．大脑的进化2502．能源的摄取和消耗2513．全社会的算力作为文明的测度2544．人工智能从哪里来？2565．人工智能向哪里去：会有超级智能吗？257第12章当我们谈论生死时，我们在谈论什么？265第13章总结273附录1图灵小传281附录2人工智能前史：图灵与人工智能295附录3冯诺伊曼与人工智能301附录4计算机与智能309后记343参考文献347人名对照361
查看全部↓