Kespry CEO 对人工智能进行鸟瞰

保险理算员传统上评估屋顶损坏的方式飓风几乎和它的缓慢一样危险。财产理算员会用梯子爬上损坏的屋顶，并煞费苦心地评估损坏情况，同时希望他们在此过程中没有受伤。美国财产理算师的受伤率几乎是典型建筑工人的四倍。到达建筑物顶部后，调整人员会使用一些工具——照相机或智能手机来记录损坏情况，卷尺测量测试区域，或许还可以用粉笔勾勒出它的轮廓。一旦理算员计算了给定区域的损坏程度，他或她就可以推断出整个财产的损失估计，然后开车到他们名单上的下一个财产重新开始这个过程。

现在想象一下使用无人机连续调查许多房屋的损坏情况。 Kespry 的董事长兼首席执行官 George Mathew 表示，整个过程可以自动化并在很短的时间内完成，Kespry 被誉为一家航空情报公司。 “你可以在 iPad 上通过在房产周围创建一个多边形来输入你想要的坐标区域，然后选择你想要检查的区域并收集所需的数据，”马修说，他的公司一直在完善基于无人机的保险调整为飓风破坏。去年，Farmers Insurance 的首席执行官报告说，基于无人机的技术帮助他们将评估飓风损失索赔的过程从每天三个家庭压缩到每小时三个家庭。 “这几乎是生产力提高了 8 到 10 倍，”马修在 Dreamforce 的一次采访中说。

此外，该方法更准确，因为无人机可以准确测量屋顶的尺寸。该技术还支持使用人工智能算法来识别发生冰雹袭击的异常情况，并将信息直接输入保险公司的索赔管理和索赔处理软件。该公司还可以推断风致屋顶损坏的位置。

[ 工业物联网世界 是将工业物联网从灵感到实施、推动业务和运营的活动。 立即获取门票。 ]

虽然 Kespry 正在建立其在保险领域的专业知识，并与 State Farm 和 Farmers Insurance 合作，但它的首要重点是工业领域。 “我们在 2013 年成立时的心态是，无人机是基于传感器的数据捕获来源，我们应该能够实现自动化，”马修解释道。该公司首先针对在采矿业中使用无人机来测量体积库存和库存。 “我们可以将无人机飞过头顶，处理从无人机上传来的图像，然后使用摄影测量将其从一组 2D 高分辨率图像转换为 3D 模型，”Mathew 说。

该技术比测量库存的传统方法要准确得多，后者每个库存的差异在 15% 到 20% 之间。 Kespry 声称它可以以 1% 到 2% 的准确度估算数量。

相同的技术可用于测量建筑工地的材料。 “我们对较重工业资产的衡量的想法是，基于图像的处理和计算机视觉是一个全新的能力领域，但在工业领域却没有得到充分利用，”马修说。虽然人工智能、机器学习和计算机视觉的工业应用已经讨论了几十年，但该技术主要用于特定用例。

虽然亚马逊、谷歌、联邦快递和优步等大型科技公司已经尝试使用无人机，但它们主要针对雄心勃勃的用例，其商业化时间表不确定，监管考虑往往更为脆弱。虽然在飓风过后的早期阶段，飞行限制会阻止无人机在受损区域飞行，以避免与救援直升机发生碰撞，但一旦这段时间结束，空域就会重新开放，无人机可以开始飞行。

2017 年，《索赔杂志》报道了德克萨斯州使用无人机来评估飓风哈维造成的损失的重大转变。

但在工业和保险领域，机器学习技术和计算机视觉的结合现在可以部署到重要的用例中。 “我们一直在关注这些工业用例，在这些用例中，人工智能、使用机器学习和计算机视觉杠杆对物理资产进行机器学习确实有助于在这些工业企业中做出更好的自动化决策，”马修说。

当被问及是否可以使用相同的技术来评估其他灾难中的损失时，马修说：“火灾和龙卷风之类的事情会变得有点棘手，因为它通常是完全损失，对吧？”但即使在某些情况下，无人机也可用于测量挖空的地基，以根据地基的尺寸分析来评估房屋或建筑物的总重置价值。

未来，随着人工智能技术针对目标用例的进步，该技术提供的功能可能会稳步改进。 “我认为 AI 一词及其含义存在过度膨胀。我认为通用人工智能是未来，但应用算法方法来做出更好决策的特定人工智能正变得更有说服力和相关性，”马修说。

“看看我们是如何区分和识别冰雹损坏的。我们获取了使用神经网络和深度学习模型处理的高分辨率图像，并对其进行了数据训练，以区分和识别冰雹损害，并在新的冰雹损害索赔中发布。这只是一个例子，”他说。 “用例越具体，人工智能驱动的决策对于利用它的组织就越有价值。”