-
هوشمند نمودن فرآیند ارزیابی خسارت بدنه ی اتومبیل از جمله اهداف بیمه گران پیشرو بوده است. این فرآیند با ارسال ویدوئو و تصاویر اتومبیل خسارت دیده از سوی بیمه گذار آغاز می گردد. در ادامه با کمک هوش مصنوعی، اسناد دریافتی صحت سنجی و با پایگاه تصویری بیمه گر تطبیق داده می شود. این عملیات توسط زیرشاخه ای از هوش مصنوعی موسوم به «یادگیری عمیق» صورت می پذیرد. در مفهوم یادشده، رویکرد شبکه¬های عصبی هم گشت CNN، با الهام از سیستم پردازش بصری، مراحل ارزیابی خسارت را به شکل خودکار انجام می دهند. وجود فیلترهای چندگانه به نام های هم گشت، یکسوساز و ادغام در فرآیند CNN، میزان دقیق خسارت واقع شده به اتومبیل بیمه گذار را برآورد می نمایند.
هوشمندسازی الگوی خسارت بدنه با تغییر، تسهیل و تسریع فرآیندهای سنتی، منجر به افزایش رضایت مندی مشتریان و استقبال بیش تر آحاد جامعه از محصول بیمه بدنه خواهد شد.بهره گیری از الگوهای یادگیری عمیق (شبکه های عصبی) می تواند به عنوان یک راه حل اساسی در جهت ارتقای کارایی فرآیند ارزیابی خسارت در بیمه های اتومبیل تلقی بگردد. این فن آوری قادر است تا گستره ی خسارت واقع شده در مقیاس کم (نظیر خراش سطحی) تا تصادفات سنگین را در مدت زمان کمی برآورد نماید. به منظور بررسی دقیقی از چگونگی فرآیند یادشده؛ تصویر پیوست شده عملکرد فرآیند هوشمند ارزیابی خسارت را در یک نگاه نمایش داده است.
لازم به ذکر است علاقمندان برای مطالعه ی بیشتر می توانند به مجموعه بیست و هشتمین همایش بیمه و توسعه مراجعه و عنوان «هوشمندسازی ارزیابی خسارت بدنه با بهره گیری از مفهوم یادگیری عمیق» را جستجو نمایند.
