人工智能在反欺诈中的应用

据统计，2017年全球与人工智能相关的资金投入总额达到152亿美元，比上一年增加144%。中国在人工智能领域的投资与研究应用，也正在快速的缩小与美国的差距，时刻准备着迎接正在走来的人工智能时代。

　　目前，人工智能技术已深入应用到金融、医疗、教育、工业等很多领域，比较常见的应用包括人脸识别、智能客服、语音识别、无人驾驶等等。根据技术成熟度曲线的发展趋势，该技术在保险公司车险理赔案件反欺诈识别上也必将起到不可替代的作用。

　　经过笔者近一年人工智能技术探索研究及实际应用，再结合笔者所在公司与几家保险公司的业务合作，在人工智能技术如何有效运用到车险理赔案件的反欺诈检测中，笔者有如下的体会：

　　1.超越人脑思维

　　一个车险理赔案件中包括大量的信息，比如查勘信息、保单信息、出险信息等等，靠人的经验知识的判断，往往容易走向惯性思维，只关注经验中起作用的极少数信息因子的关联或变化，无法做到对案件中所有信息进行有效分析。

　　采用深度学习技术，比如CNN、DNN、RNN，可以有效解决人脑无法完成的海量关联组合分析，再利用GPU的性能，可以使得系统在很短时间内完成众多因子的关联组合关系分析，从而形成最终的欺诈判断模型。这样学习形成的模型，不但可以发现已知的欺诈类型，还可以在一定程度上对新的欺诈类型进行预测。

　　2.自我优化提升

　　AI模型生成后，可以通过无监督、有监督不断学习新的案件数据，实现模型的不断优化迭代，从而获得系统更高的识别准确率，而无需对程序进行较大的调整。有效避免因采用传统规则进行欺诈判断时，发现新的欺诈类型或者总结出新的判定规则后，必须对程序进行重写。

　　3.非结构化数据识别

　　人工智能技术在结构化数据的应用上相对成熟有效，越来越多的保险公司，对于非结构化数据（比如照片、语音、文字描述等）在车险理赔案件反欺诈工作上的应用提出了更高的要求，希望通过不同技术手段的运用，在欺诈案件的识别上有所突破。

　　基于以上需求，笔者认为，研发人工智能图像识别模型，可以有如下几个方向：通过对案件图片的自动识别，实现对图片的分类归档，比如证件类、车辆类、票据类等；通过对案件图片的自动识别，并根据历史图片库，识别是否存在使用历史照片的问题、是否存在照片修改的问题、是否存在不同出险案件出现相同事故场景的问题等。

　　笔者相信，随着人工智能技术的不断成熟，应用场景的不断增加，再结合案件数据的不断积累，在车险理赔反欺诈识别上，人工智能必将成为不可替代的技术之一，识别准确率也必将远超人类大脑。