Exposure enrichment from imagery
Models extract roof type, building footprint and vegetation proximity from aerial and satellite imagery to fill gaps in exposure data, with accuracy measured against inspected properties.
GRA · Insurance Nexus
التمويل المكانيحيث يلتقي رأس المال بالخطر والتعرّض والتحول
التعلم الآلي في التأمين
Artificial intelligence and machine learning are used in insurance to read images and documents, detect fraud, triage claims, enrich exposure data and segment risk. On this platform they are treated both as methods and as a source of risk to be governed, tested and explained.
01سجّل
Machine learning in insurance on the record.
سجل المنهجمنهج STEM
- المنهجالذكاء الاصطناعي وتعلم الآلة
- مُطبَّق فيInsurance Nexus
- البيانات4 مدخلات
- الفحوص4 خطوات تحقق
- الصفحة المرجعيةSTEM Commons
02الطلب
ما يفعله الذكاء الاصطناعي وتعلّم الآلة هنا.
Artificial intelligence and machine learning develop algorithms that learn patterns from data to classify, predict or generate outputs. They are increasingly used for hazard detection, forecasting and decision support, and are themselves a source of risk. In insurance and catastrophe, climate and hazards and health and biosecurity, machine learning can scale detection and forecasting across interconnected نظم. Its own failure modes must be weighed when automated outputs inform consequential decisions. The canonical description is on STEM Commons.
Fraud and claims triage
Classifiers score claims for complexity or fraud indicators to route them for review, with false positive rates, appeal outcomes and group disparities monitored beside detection.
Fairness testing of pricing models
Pricing and underwriting models are tested for disparate outcomes and proxy effects across groups, and less discriminatory alternatives are compared for predictive performance.
03نموذج الخسائر
تجاوز الخسائر، ومتوسط الخسارة السنوية، والحد الأقصى المحتمل للخسارة.
الخسارة التي يمكن أن تتوقعها محفظة في نطاق الأثر سنويًا وعند مستويي 1 كل 100 و1 كل 250 عامًا اللذين تسعّرهما شركات التأمين والمقرضون، انطلاقًا من الكتل الثلاث نفسها التي يستخدمها كل نموذج كوارث . نموذج تعليمي بقيم توضيحية معلنة، وليس تنبؤًا.
الضوابط
- شدة الخطر السنوية النموذجية (الموقع)
- مؤشر الشدة 1.00
- انتشار القيم المتطرفة (المقياس)
- مؤشر الشدة 0.80
- الشدة التي يُفقد عندها نصف القيمة
- مؤشر الشدة 4.00
- تشتت قابلية التأثر
- 0.55
- حصة القيمة في بصمة الخطر
- 40%
- معيار الحماية (فترة التكرار)
- 50 عامًا
القراءات
- متوسط الخسارة السنوية
- 0.51% من القيمة
- الخسارة عند 1 في 100 سنة
- 24.5% من القيمة
- الخسارة عند 1 في 250 سنة
- 28.4% من القيمة
- الشدة عند 1 في 100 سنة
- مؤشر الشدة 4.68
الأرقام والأساليب والمصادر
| فترة التكرار (سنة) | الشدة (مؤشر الشدة) | الخسارة (% من القيمة) |
|---|---|---|
| 1 | 0.09 | 0.00 |
| 2 | 1.27 | 0.00 |
| 4 | 1.91 | 0.00 |
| 7 | 2.47 | 0.00 |
| 13 | 3.00 | 0.00 |
| 24 | 3.51 | 0.00 |
| 44 | 4.02 | 0.00 |
| 82 | 4.53 | 23.55 |
| 154 | 5.03 | 26.44 |
| 287 | 5.53 | 28.87 |
| 536 | 6.03 | 30.88 |
| 1,000 | 6.53 | 32.53 |
المناهج
- خطر القيم القصوى لغمبل Gumbel (1958)، Statistics of Extremes، Columbia University Press
- هشاشة لوغاريتمية طبيعية (قابلية التأثر) FEMA (2003)، HAZUS-MH Technical Manual
- منحنى احتمال التجاوز ومتوسط الخسارة السنوية Grossi and Kunreuther (2005)، Catastrophe Modeling، Springer
- تأثير السد Di Baldassarre وآخرون (2013)، Socio-hydrology، HESS 17
- مروحة عدم اليقين (مونت كارلو للمعاملات) Spiegelhalter, Pearson و Short (2011), Visualising uncertainty about the future, Science 333
- تحليل الحساسية لعامل واحد في كل مرة (مخطط الإعصار) Saltelli and others (2008)، Global Sensitivity Analysis: The Primer، Wiley
البيانات
The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:
- الأنهار Natural Earth
- الامتدادات الحضرية Natural Earth
- المدن Natural Earth
- زلازل بقوة M4.5+، الأسبوع الماضي (USGS) U.S. Geological Survey · register usgs.earthquake.summary-feeds
- معدل هطول الأمطار، آخر نصف ساعة (IMERG) NASA GPM IMERG Early · register nasa.gibs.context-live-layers
- توقع تصريف الأنهار، 30 يوما مع النطاق (GloFAS عبر Open-Meteo) Open-Meteo.com (CC BY 4.0)، Copernicus GloFAS · register open-meteo.public-pages
- امتداد المساحات المبنية والمستوطنات، 2010 (HBASE، Landsat) CIESIN/Columbia، NASA SEDAC HBASE · register sedac.context-urban-layers
عبر الركائز الست، بقيادة Nexus Consortium
- التجارب Labs
- مُضمَّن في Insurance Nexus في Foundry
- جرى الاختبار عند Insurance Nexus في Universe
- مدوَّن في المالية والتأمين والاقتصاد في Standards
- نُشر في Insurance Nexus في Reports
- يُدرَّس في كلية المالية والاقتصاد في Academy
04البيانات
ما يستهلكه المنهج.
مجموعات البيانات والسجلات التي يستخدمها الذكاء الاصطناعي وتعلّم الآلة في هذه المنصة، مع دور كلٍّ منها والوسم الذي تحمله قيمها. وتُدرج المصادر في سجل المصادر.
| البيانات | الدور | الوسم |
|---|---|---|
| Aerial and satellite imagery | Exposure attributes | مرصود |
| Labelled claims histories | Training and testing | مُبلَّغ عنه |
| Property inspection records | Ground truth for imagery models | مرصود |
| Demographic reference data | Fairness testing | مُقدَّر |
05التعرّض والخسائر ورأس المال
What machine learning in insurance means for exposure, loss and capital.
عروض التعرّض والخسائر والسيناريوهات ورأس المال التي يطلبها مسؤول المخاطر أو الجهة الرقابية أو وزارة المالية، مع الأطر التي يقدّمون التقارير وفقًا لها. وتتبع الهياكل الممارسات الرقابية والاكتوارية. والقيم توضيحية: وليست أبدًا أسعارًا أو تصنيفات أو مشورة.
التعرّض والخسائر عند فترات التكرار
How losses from machine learning in insurance grow with severity, gross and net of reinsurance, against capital.
| فترة التكرار | الاحتمال السنوي | إجمالي الخسارة | صافي الخسارة | صافٍ، رأس المال = 100 |
|---|---|---|---|---|
| 1 كل 10 أعوام | 0.10 | 14 | 10 | 10 |
| 1 كل 50 عامًا | 0.02 | 33 | 21 | 21 |
| 1 كل 100 عام | 0.01 | 46 | 27 | 27 |
| 1 كل 250 عامًا | 0.004 | 68 | 39 | 39 |
| متوسط الخسارة السنوية | 3.1 | 2.2 | 2.2 |
سيناريوهات NGFS المناخية · شبكة تخضير النظام الماليIFRS S2 الإفصاحات المتعلقة بالمناخ · ISSBتوصيات TCFD · مجلس الاستقرار المالي TCFDمبادئ الإدارة الفعالة للمخاطر المالية المرتبطة بالمناخ · لجنة بازل للرقابة المصرفية
06التحقق
كيف تُفحص النتائج.
تُقيَّم النماذج على بيانات محجوزة تراعي البنية المكانية والزمانية والفئوية. وتُختبر المتانة والمعايرة والإنصاف إلى جانب الدقة.
| التحقق | كيف يُنفَّذ |
|---|---|
| Temporal and held-out validation | Models are tested on later periods and unseen regions, not only on random splits |
| Calibration and drift monitoring | Predicted probabilities are compared with outcomes over time, and drift triggers recalibration |
| Fairness and explainability review | Outcome disparities and explanations are reviewed before deployment and periodically after |
| الإشراف البشري | Decisions adverse to customers have a documented human review and an appeal route |
يتراجع الأداء حين تختلف ظروف النشر عن بيانات التدريب. وقد ترمّز النماذج تحيزات وتخفق دون إنذار واضح في الأحداث النادرة.
07الروابط
الموضوعات التي تعتمد على هذا المنهج.
08الرعاية
من يحتفظ بالمنهج.
الذكاء الاصطناعي والنظم المستقلة الذكاء الاصطناعي وتعلّم الآلة للاتحاد، وتراجع كيفية تطبيقهما عبر المنصات.
09متصل
إلى أين تقود هذه الصفحة على نطاق الاتحاد.
10أسئلة
أسئلة وأجوبة.
ما حدود الذكاء الاصطناعي وتعلّم الآلة في هذا المجال؟
يتراجع الأداء حين تختلف ظروف النشر عن بيانات التدريب. وقد ترمّز النماذج تحيزات وتخفق دون إنذار واضح في الأحداث النادرة.
كيف تُفحص النتائج؟
تُقيَّم النماذج على بيانات محجوزة تراعي البنية المكانية والزمانية والفئوية. وتُختبر المتانة والمعايرة والإنصاف إلى جانب الدقة.
هل القيم المعروضة في هذه الصفحة حقيقية؟
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
أين يُطبَّق هذا المنهج أيضًا؟
مرصد صفحة المنهج المرجعية كل منصة تطبّقه.
Reportsساهم
ساهم بأدلة من هذه الصفحة.
Reports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
Global Risks AllianceInsurance Nexusالجاهزية للتمويل والتأمينمخاطر القطاعات والصمود على الصعيد العالمي
- البريد الإلكترونيالبوابة GW-GRAأرسله من هذه الصفحةدليل أو تصحيح أو حالة أو أسلوب أو مراجعة أو ترجمة أو مدخل لملف قُطري. يصل موسومًا بهذه الصفحة، فيتلقاه المحرر المسؤول عنها.
- Zenodoإيداع مفتوحأودِعه وقدّمه إلى المجتمعانشر سجلك الخاص على Zenodo بمعرّف ORCID iD الخاص بك، ثم قدّمه إلى مجتمع Reports هناك. يراجعه القيّمون، ويبقى معرّف DOI ملكًا لك.
- ReportsGlobal Risks Allianceاطّلع على جميع سبل المساهمةأنواع المساهمات، وكيفية مراجعة كل منها، والإسناد الذي تحصل عليه، والترخيص، وما لا يُقبل أبداً.
لا ترسل أبدًا بيانات شخصية أو تفاصيل حساسة عن البنية التحتية أو أي شيء لا يحق لك مشاركته. تُراجَع المساهمة قبل استخدامها؛ ولا يمنح إرسالها أي حقوق تأليف أو تحرير، ولا تشتري الرعاية أي نتيجة أبدًا.
Insurance Nexus
اعرض على التحالف سؤالًا يتعلق بالتعرّض أو رأس المال.
المعلومات والاستفسارات متاحة اليوم. ويحصل الاستفسار على رقم مرجعي ويحدد الخطوة التالية؛ ولا تُفتح الطلبات والمدفوعات وتخصيصات الحوسبة والتسجيلات إلا حين يتوافر فريقها وشروطها وقدرة المراجعة.
الشؤون القانونية
الوثائق القانونية.
تُعرض الخرائط والبيانات والأشكال في هذا الموقع للسياق والمعلومات العامة. وهي ليست نصيحة ولا توقعات ولا إنذارات؛ وحدود المعلومات مبيّنة في إخلاءات المسؤولية وإشعارات البيانات.