人工智能能幫助保護房主免受野火風險嗎？ - 彭博社

消防員在加利福尼亞州希爾茲堡的128號公路旁調查一處着火的房屋，時間是2019年10月。菲爾·帕切科/彭博社在加利福尼亞州的索諾瑪縣行駛，去年的火災季節及之前的季節的殘餘是無法忽視的。黑ened的樹木仍然沿着公路排列。一塊標誌，縣內許多類似的標誌之一，上面寫着：“從灰燼中，我們將崛起。”

確實，新的房屋在最近被2019年金凱德火災燒成灰燼的社區中正在興起，該火災在索諾瑪縣摧毀了超過350座建築，燒燬了77,000英畝的土地，而2017年的塔布斯火災雖然規模較小，但破壞性更大。許多加利福尼亞州的房主選擇重建，但保險公司則更傾向於撤退。根據保險新聞網站Gavop，2015年至2018年間，超過340,000名加利福尼亞人被剝奪了他們的野火保險計劃；其他居民則面臨着高達500%的保費上漲。

彭博社城市實驗室住房成本高，民主黨精煉YIMBY信息城市更新如何導致城市暴動新加坡、馬來西亞希望建立自己的深圳風格的超級中心新加坡未來的木製建築存在黴菌問題這些加息和不續保部分是基於災害風險模型，這些模型被保險公司用來評估潛在損失並決定如何承保財產——在加利福尼亞，這些模型變得越來越保守。難怪：保險公司在2017年至2018年間在該州的野火損失上花費了 $240億。在一個變暖的世界中，未來的火災 可能會更大更具破壞性。

對於超過100萬加利福尼亞房主來説，他們生活在2010年被森林和消防保護部認定為高風險野火區的土地上，和 450萬其他位於潛在破壞路徑上的房屋，在所謂的更廣泛的野生土地-城市接口（WUI）區域，失去保險保護可能是災難性的。為了減緩保險的流失，加利福尼亞的保險專員裏卡多·拉拉已命令保險公司在未來一年內為 100萬處於野火易發縣的房屋 保持保護。此外，州議員洛雷娜·岡薩雷斯於2月18日共同提出了一項法案，迫使保險公司為那些證明已在防火方面取得進展的居民保留計劃， 根據 洛杉磯時報。

但是如果目前的野火風險建模方法不夠強大怎麼辦？

“我們可以自信地説，加州近四分之三的地區沒有或僅有相當有限的[野火]風險，”Zesty.ai的創始人Attila Toth説，Zesty.ai是一家利用人工智能開發災害風險評估工具的初創公司。“在加州，這是一個低個位數百分比的問題。”

Zesty.ai是越來越多的“保險科技”初創公司之一，它們希望通過引入更詳細的建模系統來顛覆保險行業數十年來使用的方法。Toth表示，憑藉人工智能、高分辨率衞星圖像和100年的野火數據，他的公司可以提供更細緻的關於哪些房屋真正受到火災威脅以及威脅程度的想法。

Toth表示，獲得更清晰的風險圖像不僅僅是為了保護房屋安全。這關係到塑造該州的發展模式，決定在哪裏重建或撤退——更直接的是，為每個房屋的保險定價提供更精確的依據。

“他們中的許多人在指甲感染時截肢。我們的模型是從外科的角度來看待這個問題。”傳統參與者在很大程度上歡迎這種顛覆，保險信息研究所的加州發言人Janet Ruiz説：“我們理解這種需求。”Zesty.ai與MetLife建立了合作關係，後者正在擴大其在西海岸的房主保險基礎。加州最大的房屋保險公司State Farm的風險投資部門已投資於Cape Analytics，這是一家位於舊金山的公司，利用自己的人工智能模型分析地理空間財產數據。像The Hartford、Security First Insurance和CSAA這樣的保險公司使用該平台進行災害建模。

這些由人工智能驅動的公司所要解決的問題是，舊的災害風險評估模型可能不夠準確：由林業和消防保護部繪製的社區級視頻或風險地圖為整個郵政編碼的評估者決策提供信息。每個物業的風險評分計算方式通常不透明，正如《聖地亞哥之聲》在2019年的一份報告中所確定的，而且該方法因模型而異。有些是由第三方開發的，有些則是保險公司獨有的。

FireLine是AAA和Mercury Insurance等保險公司使用的最受歡迎的風險評估工具之一，它根據0到30的評分標準對物業進行評級，30為最高風險。它根據每個家庭周圍四分之一英里的半徑給出評分，開發FireLine的Verisk公司的一位副總裁**，**告訴*《聖弗朗西斯科紀事報》*；該模型還考慮了植被、地形以及消防員干預的難易程度。State Farm有自己的內部評分系統，發言人Sevag Sarkissian表示，該系統“考慮了物業相對於自然災害的位置、物業的狀況以及客户的過去索賠活動和歷史。”

批評者表示，正是這些風險模型導致了加利福尼亞州今天面臨的野火保險困境。在2018年的一份報告中，加利福尼亞州保險局建議州立法機構對風險計算的方式進行更多監管，並質疑當前評級系統的準確性。在私人選擇減少的情況下，2015年至2018年間，轉向州公共保險選項的房主數量增長了177%。該部門發現。

在奧克蘭的Zesty.ai辦公室，託斯向我展示了一張地圖，以説明風險預測與現實之間的差距。2017年的塔布斯火災摧毀了大約5500個建築（標記為藍色），但其中只有大約600個位於州政府官方認定的高風險區域內（標記為粉色）。當然，那場火災是非同尋常的——是該州歷史上最嚴重的火災——這意味着幾乎沒有先例可供借鑑。儘管如此，託斯表示，擁有更多的數據點後，這張地圖可能會看起來不同。

“他們中的許多人在有指甲感染時切掉四肢，”託斯談到傳統模型時説。“我們的模型是從外科的角度來看待它。”

託斯表示，Zesty.ai利用低空飛行的飛機、衞星圖像和建築規範，考慮了65個風險因素——不僅包括地理位置，還包括每個特定房屋的物理屬性，比如周圍植被的半徑、屋頂材料、所處土地的坡度以及鄰近房屋的風險水平。這幫助他們確定特定物業在火災中被摧毀的可能性。該公司的工具可能會給同一街區的兩棟房屋賦予截然不同的評分，而不是將加利福尼亞州的大部分人口判定為相同的風險水平——反映出當火災發生時，鄰居們可能會有非常不同的命運。

Cape Analytics 使用衞星和航空影像來獲取類似的風險分層視圖，但將信息提供給保險公司時並不將數據轉換為風險評分，正如 Zesty.ai 所做的那樣。Cape Analytics 的發言人 Kayvan Farzaneh 表示，這使得其發現更加透明。

AI 干預應被視為對舊評級模型的技術驅動調整，而不是根本性的革命，Cape Analytics 的客户解決方案經理 Kevin Van Leer 説。“理解導致野火發生的所有風險因素的想法……這並不是新科學，它已經存在一段時間了。”這些工具可以更快地進行分析，所需資源更少，並且根據圖像來源的不同，可以提供更高分辨率的視圖。

如果正確利用，它們還可以幫助解決 CDI 識別的另一個問題，而 Gonzalez 希望通過她的立法來解決這個問題：許多現有模型未能考慮到房主為降低風險所做的努力。

Zesty.ai 和 Cape Analytics 的代表表示，這兩家公司都可以根據消費者行為快速重新評估風險評分。例如，為了證明物業主的樹籬已經修剪，或者他們安裝了防火花通風口，評估員不必親自到房子裏進行視覺檢查。相反，程序可以抓取同一地塊的另一張圖片，並立即獲得新的評分。

這些工具還幫助客户理解他們的保單，Toth 説：如果保險套餐被拒絕，或者保費上漲，公司可以準確告訴客户原因——例如，你鄰居的藤蔓懸掛在你的露台上——並給他們機會去修復。

像許多旨在簡化通常由人類調解的過程的技術解決方案一樣，人工智能驅動的風險評估可能會通過引入新的偏見或轉移風險支付的負擔而帶來意想不到的後果。“我們看到保險公司過度依賴技術，而消費者正在為此付出代價，”倡導保險客户的聯合保單持有人首席運營官艾米莉·羅根（Emily Rogan）對Axios説。

消費者監督組織（Consumer Watchdog）是一個倡導消費者的團體，在八月寫了一封信給加州保險局的拉拉（Lara），鼓勵他通過限制使用所謂的“黑箱”風險模型（如FireLine）來通過緊急法規保護保單持有人免受費率上漲的影響，而不清楚這些模型的工作原理。“這些模型使用第三方供應商生成的基於算法的野火損失預測來支持大幅度的費率上漲，”他們寫道。“緊急法規應禁止使用任何導致過高或歧視性費率的模型。”

雖然人工智能驅動的模型聲稱在風險因素的分解上更加清晰，但消費者獲取信息的權限仍然由保險公司決定。（消費者監督組織未對評論請求作出回應。）

保險信息研究所的魯伊斯（Ruiz）表示，野火沒有歧視。但它確實反映了加州房地產的地理差異。沿海地區的高價值房產風險最大，保險和重建成本更高——例如，索諾瑪縣是葡萄酒產區，充滿了昂貴的第二套房和葡萄園。與此同時，科學期刊PLoS ONE的研究顯示，儘管“美國的火災易發地區更可能由高收入羣體居住，”低收入家庭整體上仍然更脆弱，缺乏在事件發生前支付火災預防工具的資源，事後重建的能力也較弱。在加州，生活在火災易發地區的高貧困外郊居民將更難負擔像岡薩雷斯（Gonzalez）法案所獎勵的緩解策略。

Nick Allain，Zesty.ai 的發言人，分享了一項內部分析的結果，顯示財產價值與“Z-FIRE”評分之間沒有關聯。然而，覆蓋廣泛區域的較不精確地圖有助於更均勻地分攤災難準備的成本。依賴技術進步的批評者表示，收集更多信息——無論多麼準確——可能不可避免地導致房主之間的成本差異加大。

Ruiz 説，這就是保險行業的運作方式。她表示，年復一年面臨被摧毀危險的建築應該被分配更高的風險評分，無論住在其中的是誰。

但她説，擁有更詳細的信息可能會促使痛苦但實際的決定。“如果你住在懸崖邊緣，而它正在崩潰，你必須決定你是否能承擔得起。”

如果保險公司和州保險部門想要保護脆弱的社區，他們應該在資助火災預防方面採取更積極的角色，Cape Analytics 的 Farzaneh 補充道。“這有點像疫苗，”他説。“如果你有一個社區在全社區範圍內進行了減災，這會使整個社區更安全。……希望擁有更詳細的數據能幫助實現這一目標。”

隨着地球變暖，這些決定的風險將變得更加嚴重。儘管 Toth 對當前野火風險的看法比現有模型更樂觀，但他與科學家們一致表示，氣温升高和乾旱季節加劇已經 使該州的野火規模更大。展望未來，該公司最近準備了一項 10,000 年的模擬，顯示未來野火可能在加利福尼亞州的燃燒地點。預計該州東南部將保持低頻率的野火事件，而州中部和海岸線的部分地區（陰影為黃色、橙色和紅色）可能會看到更多的點燃。

“[這] 在過去100年的點火歷史上非常一致，”託斯説。“但是考慮到植被的增長，以及城市發展在野生城市界面的增加，我們預計這些事件將在未來造成更大的損失。”