人工智能能帮助保护房主免受野火风险吗？ - 彭博社

消防员在加利福尼亚州希尔兹堡的128号公路旁调查一处着火的房屋，时间是2019年10月。菲尔·帕切科/彭博社在加利福尼亚州的索诺玛县行驶，去年的火灾季节及之前的季节的残余是无法忽视的。黑ened的树木仍然沿着公路排列。一块标志，县内许多类似的标志之一，上面写着：“从灰烬中，我们将崛起。”

确实，新的房屋在最近被2019年金凯德火灾烧成灰烬的社区中正在兴起，该火灾在索诺玛县摧毁了超过350座建筑，烧毁了77,000英亩的土地，而2017年的塔布斯火灾虽然规模较小，但破坏性更大。许多加利福尼亚州的房主选择重建，但保险公司则更倾向于撤退。根据保险新闻网站Gavop，2015年至2018年间，超过340,000名加利福尼亚人被剥夺了他们的野火保险计划；其他居民则面临着高达500%的保费上涨。

彭博社城市实验室住房成本高，民主党精炼YIMBY信息城市更新如何导致城市暴动新加坡、马来西亚希望建立自己的深圳风格的超级中心新加坡未来的木制建筑存在霉菌问题这些加息和不续保部分是基于灾害风险模型，这些模型被保险公司用来评估潜在损失并决定如何承保财产——在加利福尼亚，这些模型变得越来越保守。难怪：保险公司在2017年至2018年间在该州的野火损失上花费了 $240亿。在一个变暖的世界中，未来的火灾 可能会更大更具破坏性。

对于超过100万加利福尼亚房主来说，他们生活在2010年被森林和消防保护部认定为高风险野火区的土地上，和 450万其他位于潜在破坏路径上的房屋，在所谓的更广泛的野生土地-城市接口（WUI）区域，失去保险保护可能是灾难性的。为了减缓保险的流失，加利福尼亚的保险专员里卡多·拉拉已命令保险公司在未来一年内为 100万处于野火易发县的房屋 保持保护。此外，州议员洛雷娜·冈萨雷斯于2月18日共同提出了一项法案，迫使保险公司为那些证明已在防火方面取得进展的居民保留计划， 根据 洛杉矶时报。

但是如果目前的野火风险建模方法不够强大怎么办？

“我们可以自信地说，加州近四分之三的地区没有或仅有相当有限的[野火]风险，”Zesty.ai的创始人Attila Toth说，Zesty.ai是一家利用人工智能开发灾害风险评估工具的初创公司。“在加州，这是一个低个位数百分比的问题。”

Zesty.ai是越来越多的“保险科技”初创公司之一，它们希望通过引入更详细的建模系统来颠覆保险行业数十年来使用的方法。Toth表示，凭借人工智能、高分辨率卫星图像和100年的野火数据，他的公司可以提供更细致的关于哪些房屋真正受到火灾威胁以及威胁程度的想法。

Toth表示，获得更清晰的风险图像不仅仅是为了保护房屋安全。这关系到塑造该州的发展模式，决定在哪里重建或撤退——更直接的是，为每个房屋的保险定价提供更精确的依据。

“他们中的许多人在指甲感染时截肢。我们的模型是从外科的角度来看待这个问题。”传统参与者在很大程度上欢迎这种颠覆，保险信息研究所的加州发言人Janet Ruiz说：“我们理解这种需求。”Zesty.ai与MetLife建立了合作关系，后者正在扩大其在西海岸的房主保险基础。加州最大的房屋保险公司State Farm的风险投资部门已投资于Cape Analytics，这是一家位于旧金山的公司，利用自己的人工智能模型分析地理空间财产数据。像The Hartford、Security First Insurance和CSAA这样的保险公司使用该平台进行灾害建模。

这些由人工智能驱动的公司所要解决的问题是，旧的灾害风险评估模型可能不够准确：由林业和消防保护部绘制的社区级视频或风险地图为整个邮政编码的评估者决策提供信息。每个物业的风险评分计算方式通常不透明，正如《圣地亚哥之声》在2019年的一份报告中所确定的，而且该方法因模型而异。有些是由第三方开发的，有些则是保险公司独有的。

FireLine是AAA和Mercury Insurance等保险公司使用的最受欢迎的风险评估工具之一，它根据0到30的评分标准对物业进行评级，30为最高风险。它根据每个家庭周围四分之一英里的半径给出评分，开发FireLine的Verisk公司的一位副总裁**，**告诉*《圣弗朗西斯科纪事报》*；该模型还考虑了植被、地形以及消防员干预的难易程度。State Farm有自己的内部评分系统，发言人Sevag Sarkissian表示，该系统“考虑了物业相对于自然灾害的位置、物业的状况以及客户的过去索赔活动和历史。”

批评者表示，正是这些风险模型导致了加利福尼亚州今天面临的野火保险困境。在2018年的一份报告中，加利福尼亚州保险局建议州立法机构对风险计算的方式进行更多监管，并质疑当前评级系统的准确性。在私人选择减少的情况下，2015年至2018年间，转向州公共保险选项的房主数量增长了177%。该部门发现。

在奥克兰的Zesty.ai办公室，托斯向我展示了一张地图，以说明风险预测与现实之间的差距。2017年的塔布斯火灾摧毁了大约5500个建筑（标记为蓝色），但其中只有大约600个位于州政府官方认定的高风险区域内（标记为粉色）。当然，那场火灾是非同寻常的——是该州历史上最严重的火灾——这意味着几乎没有先例可供借鉴。尽管如此，托斯表示，拥有更多的数据点后，这张地图可能会看起来不同。

“他们中的许多人在有指甲感染时切掉四肢，”托斯谈到传统模型时说。“我们的模型是从外科的角度来看待它。”

托斯表示，Zesty.ai利用低空飞行的飞机、卫星图像和建筑规范，考虑了65个风险因素——不仅包括地理位置，还包括每个特定房屋的物理属性，比如周围植被的半径、屋顶材料、所处土地的坡度以及邻近房屋的风险水平。这帮助他们确定特定物业在火灾中被摧毁的可能性。该公司的工具可能会给同一街区的两栋房屋赋予截然不同的评分，而不是将加利福尼亚州的大部分人口判定为相同的风险水平——反映出当火灾发生时，邻居们可能会有非常不同的命运。

Cape Analytics 使用卫星和航空影像来获取类似的风险分层视图，但将信息提供给保险公司时并不将数据转换为风险评分，正如 Zesty.ai 所做的那样。Cape Analytics 的发言人 Kayvan Farzaneh 表示，这使得其发现更加透明。

AI 干预应被视为对旧评级模型的技术驱动调整，而不是根本性的革命，Cape Analytics 的客户解决方案经理 Kevin Van Leer 说。“理解导致野火发生的所有风险因素的想法……这并不是新科学，它已经存在一段时间了。”这些工具可以更快地进行分析，所需资源更少，并且根据图像来源的不同，可以提供更高分辨率的视图。

如果正确利用，它们还可以帮助解决 CDI 识别的另一个问题，而 Gonzalez 希望通过她的立法来解决这个问题：许多现有模型未能考虑到房主为降低风险所做的努力。

Zesty.ai 和 Cape Analytics 的代表表示，这两家公司都可以根据消费者行为快速重新评估风险评分。例如，为了证明物业主的树篱已经修剪，或者他们安装了防火花通风口，评估员不必亲自到房子里进行视觉检查。相反，程序可以抓取同一地块的另一张图片，并立即获得新的评分。

这些工具还帮助客户理解他们的保单，Toth 说：如果保险套餐被拒绝，或者保费上涨，公司可以准确告诉客户原因——例如，你邻居的藤蔓悬挂在你的露台上——并给他们机会去修复。

像许多旨在简化通常由人类调解的过程的技术解决方案一样，人工智能驱动的风险评估可能会通过引入新的偏见或转移风险支付的负担而带来意想不到的后果。“我们看到保险公司过度依赖技术，而消费者正在为此付出代价，”倡导保险客户的联合保单持有人首席运营官艾米莉·罗根（Emily Rogan）对Axios说。

消费者监督组织（Consumer Watchdog）是一个倡导消费者的团体，在八月写了一封信给加州保险局的拉拉（Lara），鼓励他通过限制使用所谓的“黑箱”风险模型（如FireLine）来通过紧急法规保护保单持有人免受费率上涨的影响，而不清楚这些模型的工作原理。“这些模型使用第三方供应商生成的基于算法的野火损失预测来支持大幅度的费率上涨，”他们写道。“紧急法规应禁止使用任何导致过高或歧视性费率的模型。”

虽然人工智能驱动的模型声称在风险因素的分解上更加清晰，但消费者获取信息的权限仍然由保险公司决定。（消费者监督组织未对评论请求作出回应。）

保险信息研究所的鲁伊斯（Ruiz）表示，野火没有歧视。但它确实反映了加州房地产的地理差异。沿海地区的高价值房产风险最大，保险和重建成本更高——例如，索诺玛县是葡萄酒产区，充满了昂贵的第二套房和葡萄园。与此同时，科学期刊PLoS ONE的研究显示，尽管“美国的火灾易发地区更可能由高收入群体居住，”低收入家庭整体上仍然更脆弱，缺乏在事件发生前支付火灾预防工具的资源，事后重建的能力也较弱。在加州，生活在火灾易发地区的高贫困外郊居民将更难负担像冈萨雷斯（Gonzalez）法案所奖励的缓解策略。

Nick Allain，Zesty.ai 的发言人，分享了一项内部分析的结果，显示财产价值与“Z-FIRE”评分之间没有关联。然而，覆盖广泛区域的较不精确地图有助于更均匀地分摊灾难准备的成本。依赖技术进步的批评者表示，收集更多信息——无论多么准确——可能不可避免地导致房主之间的成本差异加大。

Ruiz 说，这就是保险行业的运作方式。她表示，年复一年面临被摧毁危险的建筑应该被分配更高的风险评分，无论住在其中的是谁。

但她说，拥有更详细的信息可能会促使痛苦但实际的决定。“如果你住在悬崖边缘，而它正在崩溃，你必须决定你是否能承担得起。”

如果保险公司和州保险部门想要保护脆弱的社区，他们应该在资助火灾预防方面采取更积极的角色，Cape Analytics 的 Farzaneh 补充道。“这有点像疫苗，”他说。“如果你有一个社区在全社区范围内进行了减灾，这会使整个社区更安全。……希望拥有更详细的数据能帮助实现这一目标。”

随着地球变暖，这些决定的风险将变得更加严重。尽管 Toth 对当前野火风险的看法比现有模型更乐观，但他与科学家们一致表示，气温升高和干旱季节加剧已经 使该州的野火规模更大。展望未来，该公司最近准备了一项 10,000 年的模拟，显示未来野火可能在加利福尼亚州的燃烧地点。预计该州东南部将保持低频率的野火事件，而州中部和海岸线的部分地区（阴影为黄色、橙色和红色）可能会看到更多的点燃。

“[这] 在过去100年的点火历史上非常一致，”托斯说。“但是考虑到植被的增长，以及城市发展在野生城市界面的增加，我们预计这些事件将在未来造成更大的损失。”