那么为什么对黑匣子如此关注呢？

当您将AI模型投入生产时，它可以触发数千或数百万次，评估人们的简历，决定发放抵押贷款或为某人提供保险。在某些情况下，由AI模型做出的决策非常简单（尽管培训过程如何制定标准可能有点模糊）。在其他模型中，特别是通过所谓的“深度学习”模型，神经网络很难理解。今天的罪魁祸首是机器学习技术，其中包括神经网络，但不包括所谓的AGI（人工智能）。

机器学习 是一种自动化分析模型构建的数据分析方法

它是人工智能的一个分支，其基础是系统可以从数据中学习，识别模式并在少的人工干预下做出决策，这是一个相当高级的定义，在实际实践中，它并不那么复杂，机器学习不做的事情是解决一个问题，选择数据，准备数据，选择要使用的算法，并确定何时可以使用该模型，人们这样做机器学习本身就是数学：找到近的邻居，进行回归，计算到指定成本函数的梯度下降，换句话说，就我们所知，机器学习根本不是“智能”的。

但是该算法是延迟和效率引擎的解毒剂

建立决策模型的过程使用与机器学习相同的统计方法来生成“推理”模型，例如决策树或评分模型，这些模型被实施为规则模型，并且还会为每个新输入触发，好的模型会随着时间的流逝而退化，因此我们提出了一个称为“自适应控制”的想法。

关键是，在公众开始抱怨之前，您不要将模型推向公众

黑匣子AI模型的可解释性问题是令人关注的，但这是一种如上所述和通过评估结果进行处理的方法，首先有几个定义：保险技术是一个爆炸性的领域，有数十亿元的风险投资支持。这个想法正在用技术革新整个行业，一个开放的问题是：保险技术公司是从事保险业务的技术公司还是围绕技术设计的保险公司？保险技术公司基本上有三种类型，首先聚合器根本不是保险公司，它们使用云和人工智能为保险公司推销市场，并为申请人提供寻找交易的服务。

第二类更像是保险公司，因为它处理市场营销，销售，申请，承保和保单签发，也可能会也可能不会处理理赔

但是由于他们的保单是支持保险公司或再保险公司的，因此它们不承担任何风险。因此，它们可以尽可能快地增长，因为监管机构为偿付能力对保险公司提出的资本要求并不限制它们。

第三类是运作中的保险公司，由其服务的司法管辖区许可，并遵守与任何其他保险公司相同的监管和法定负担

保险业务是评估风险和定价策略以匹配的业务，由于没有两个人是完全一样的，这意味着要区别对待不同的人，对于保险公司而言，这不是新问题。他们早在“保险科技”公司诞生之前就已经对此进行了应对，保险仍然是将保费汇集起来以支付理赔的业务，但是现在每个人都按照他们所代表的风险（而不是由一群相似的人所代表的风险）成比例地向保险库缴款。

 客服热线：400-050-6600

商业联合会数据分析专业委员会