ALGORITHMS, A.I. AND INSURANCE

يمكن أن تعمل الخوارزميات و الذكاء الاصطناعي بسرعة، لكنها ليست مثالية.
الخوارزمية هي مجموعة بسيطة من الإرشادات لجهاز الكمبيوتر. والذكاء الاصطناعي عبارة عن مجموعة من الخوارزميات التي يمكنها تعديل وإنشاء خوارزميات جديدة أثناء معالجة البيانات. على نطاق واسع، يمكن لهذه التقنيات الذكية أن تقود تغييرا لا يوصف لهذه الصناعة. أي صناعة التأمين.
كما كتبت الفاينانشيال تايمز في وقت سابق من هذا العام ، "مطالبات التأمين هي بطبيعتها عمليات مؤلمة. يحدث ذلك فقط عندما يكون هناك خطأ ما ويمكن أن يستغرق الأمر شهورًا ليحل ".
تستخدم شركة التأمين الصينية Ping An شركة AI لتسريع عملية اتخاذ القرار ، وتستخدم شركة Lemonade التي تعمل في مجال التأمين في نيويورك  الخوارزميات و AI للمساعدة في ادارة العملاء بسرعة أكبر. 
تستخدم شركات التأمين الأخرى التقنيات الذكية للكشف عن الاحتيال، وإدارة المخاطر، والتسويق، وغيرها من المهام.
ما يمكن أن يحدث بالخطأ؟
يمكن أن تعمل الخوارزميات و الذكاء الاصطناعي بسرعة، لكنها ليست مثالية. يفصل مقال نُشر مؤخرًا عن Osonde A. Osoba، وهو عالم معلومات وأستاذ في مؤسسة RAND، تفاصيل ما يطلق عليه علماء البيانات " تدقيق الخوارزمية ". 
يكشف تدقيق الخوارزميات عن التحيزات أو النقاط العمياء التي تشوه النتائج، مما يجعل من الضروري مراجعة واختبار البيانات الأساسية.
في حالة مناقشة Osoba ، تمت مهاجمة Apple Pay على Twitter من قِبل ديفيد هاينماير المدير التنفيذي للتكنولوجيا لمنحه حدًا ائتمانيًا أكبر 20 مرة من خصم زوجته، على الرغم من مشاركته جميع الأصول، مع عوامل أخرى. وخلص هانسن إلى أن الخوارزمية كانت تمييزية - مما تسبب في غضب على منصة وسائل التواصل الاجتماعي بين كل من وافقوا عليه بشدة وعارضوه.
قالت Apple Pay إنها لا تملك معلومات عن جنس المتقدمين أو حالتهم الزوجية . ومع ذلك، لم يستطع أحد من شركة أبل الإجابة عن سبب حصول هانسون على حد ائتمان أعلى بكثير. أجابوا: "يتم تحديد حدود الائتمان عن طريق خوارزمية."
ومع ذلك، فإن هذه الخوارزميات و الذكاء الاصطناعي يتم إطلاعهما على شيء - ربما التحيزات الضمنية للمبرمجين. 
على سبيل المثال، أسفرت الأنظمة التي تستخدم برنامج التعرف على الوجه عن قرارات تظهر تحيزا ضد النساء ذوي البشرة الداكنة.
هل الخوارزميات أسهل في الإصلاح من الأشخاص؟
يناقش مقال نُشر في صحيفة "نيويورك تايمز" للمخرج سيندل مولايناثان، أستاذ العلوم السلوكية والحسابية بجامعة شيكاغو، التحيزات البشرية والخوارزمية. 
ويستشهد بدراسة قام خلالها هو ومؤلفوه المشاركون بفحص خوارزمية شائعة الاستخدام لتحديد من الذي يحتاج إلى مستويات إضافية من خدمات الرعاية الصحية.
 لقد أثرت هذه الخوارزمية على حوالي 100 مليون شخص في الولايات المتحدة. 
في هذه الحالة، تم تصنيف المرضى السود بشكل روتيني على أنهم أقل عرضة للخطر.
 ومع ذلك، كانت الخوارزمية معيبة بطبيعتها: فقد استخدمت بيانات عن من يتلقى أكبر قدر من نفقات الرعاية الصحية.
ينفق المرضى السود بالفعل أموالًا أقل على الرعاية الصحية مقارنة بالمرضى البيض الذين يعانون من نفس الحالات المزمنة، لذا فإن الخوارزمية عملت فقط على تعزيز هذا التحيز. 
في الواقع، وبدون التحيز الحسابي قدرت الدراسة أن عدد المرضى السود الذين يتلقون رعاية إضافية سيزيد أكثر من الضعف. 
ومع ذلك يعتقد موليناثان أن الخوارزمية يمكن إصلاحها بسهولة إلى حد ما.
قارن هذا بدراسة أجريت عام 2004 مع موليناثان. رد هو ومؤلفه المشارك على قوائم الوظائف باستئنافات ملفقة: نصف الوقت الذي أرسلوه يستأنف بأسماء سوداء مميزة ؛ النصف الآخر مع أسماء بيضاء مميزة. يستأنف مع أسماء سوداء تلقى ردود أقل بكثير من تلك التي تحمل أسماء بيضاء.
كان هذا التحيز إنسانيًا حقيقيًا، وبالتالي كان من الصعب تحديده.
يقول مولايناثان: "البشر غير مبهمين بطريقة لا تتوافق معها الخوارزميات". "تفسيراتنا لسلوكنا تتغير وتبنى بعد الحقيقة."
لا تكتب الخوارزميات
وكما يكتب Osoba من RAND ، فإن الخوارزميات و AI "تساعد في تسريع القرارات المعقدة،  وتمكين الوصول  إلى الخدمات على نطاق أوسع ، وفي كثير من الحالات تتخذ قرارات أفضل من البشر.
إنها النقطة الأخيرة التي يجب على المرء مراعاتها بشكل خاص؛ في حين أن الخوارزميات يمكنها أن تكاثر وتكثف التحيزات لدى مبرمجيها، فإنها لا تمتلك تحيزات متأصلة  كما يفعل الناس.
كما يقول Mullainathan ، "تغيير الخوارزميات أسهل من تغيير الأشخاص: يمكن تحديث البرامج على أجهزة الكمبيوتر ؛ "البرامج الرطبة" في أدمغتنا أثبتت حتى الآن أنها أقل مرونة".
المصدر :