ਜਨਰੇਟਿਵ AI ਬੀਮਾ ਉਦਯੋਗ ਵਿੱਚ ਕੈਟਾਸਟ੍ਰੋਫੀ ਮਾਡਲਿੰਗ (Catastrophe Modeling) ਨੂੰ ਕਿਵੇਂ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਿਹਾ ਹੈ

ਬੀਮਾ ਉਦਯੋਗ ਇੱਕ ਵੱਡੇ ਤਕਨੀਕੀ ਬਦਲਾਅ ਵਿੱਚੋਂ ਗੁਜ਼ਰ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਰਵਾਇਤੀ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਤ ਕੈਟਾਸਟ੍ਰੋਫੀ ਮਾਡਲ (catastrophe models) ਨੂੰ ਉੱਨਤ ਜਨਰੇਟਿਵ AI ਤੋਂ ਮੁਕਾਬਲਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। ਅਤਿ ਦੀ ਮੌਸਮ ਦੀਆਂ ਘਟਨਾਵਾਂ ਨੂੰ ਸਿਮੂਲੇਟ ਕਰਨ ਲਈ ਡਿਫਿਊਜ਼ਨ ਮਾਡਲਾਂ (diffusion models) ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਫਰਮਾਂ ਇਤਿਹਾਸਕ ਰਿਕਾਰਡਾਂ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਜਲਵਾਯੂ ਹਕੀਕਤਾਂ ਵਿਚਕਾਰ ਡੇਟਾ ਦੇ ਪਾੜੇ ਨੂੰ ਭਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ।

ਡਿਫਿਊਜ਼ਨ ਮਾਡਲਾਂ ਨਾਲ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਤੋੜਨਾ

ਦਹਾਕਿਆਂ ਤੋਂ, ਕੈਟਾਸਟ੍ਰੋਫੀ (cat) ਮਾਡਲਿੰਗ ਭੂਗੋਲਿਕ ਗਰਿੱਡ ਸੈੱਲਾਂ ਵਿੱਚ ਗੁਰੂਤਾਕਰਸ਼ਣ, ਰਗੜ ਅਤੇ ਵਹਾਅ ਨੂੰ ਸਿਮੂਲੇਟ ਕਰਨ ਲਈ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਤ ਸਮੀਕਰਨਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਰਹੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਮਾਡਲ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਾਗਤ ਅਤੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ (resolution) ਵਿਚਕਾਰ ਇੱਕ ਲਗਾਤਾਰ ਸੰਘਰਸ਼ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ। ਵੱਡੇ ਖੇਤਰਾਂ ਵਿੱਚ ਉੱਚ-ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਣਾ ਬਹੁਤ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵੇਰਵਿਆਂ ਅਤੇ ਕਵਰੇਜ ਵਿਚਕਾਰ ਸਮਝੌਤਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਹੋਣਾ ਪੈਂਦਾ ਹੈ।

ਜਨਰੇਟਿਵ AI ਮੂਲ ਰੂਪ ਵਿੱਚ ਇਸ ਸਮੀਕਰਨ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ। Swiss Re ਦੀ ਇੱਕ ਸਹਾਇਕ ਕੰਪਨੀ, Fathom, ਇਹਨਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਡਿਫਿਊਜ਼ਨ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਮੋਹਰੀ ਹੈ। ਲਗਭਗ 1,000 ਸਾਲਾਂ ਦੇ ਮੌਜੂਦਾ ਜਲਵਾਯੂ ਸਿਮੂਲੇਸ਼ਨਾਂ 'ਤੇ ਇੱਕ ਡਿਫਿਊਜ਼ਨ ਟੂਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇ ਕੇ, Fathom 2030 ਦੇ ਜਲਵਾਯੂ ਲਈ ਅਨੁਮਾਨਿਤ ਦਸ ਹਜ਼ਾਰਾਂ ਸਾਲਾਂ ਦੇ ਮੌਸਮ ਦੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਸਿੰਥੈਟਿਕ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਉਹ ਇੱਕ ਸੈਕੰਡਰੀ ਇਮੇਜ-ਸ਼ਾਰਪਨਿੰਗ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਜੋ 100 × 100 ਕਿਲੋਮੀਟਰ ਦੇ ਮੋਟੇ ਡੇਟਾ ਨੂੰ 10 × 10 ਕਿਲੋਮੀਟਰ ਦੇ ਸਹੀ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਤੱਕ ਸੁਧਾਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਰਖਾ ਦੇ ਪੈਟਰਨਾਂ ਦੀ ਬਹੁਤ ਵਧੇਰੇ ਸਹੀ ਮੈਪਿੰਗ ਸੰਭਵ ਹੋ ਜਾਂਦੀ ਹੈ।

ਸਪੇਸ਼ੀਅਲ ਵੇਰੀਏਬਿਲਟੀ (Spatial Variability) ਅਤੇ ਟੇਲ-ਰਿਸਕ (Tail-Risk) ਵਿੱਚ ਨਵੇਂ ਮੋਹਰੀ ਖੇਤਰ

AI ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਮੌਸਮ ਦੇ ਜਨਰੇਸ਼ਨ ਤੱਕ ਹੀ ਸੀਮਤ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਹ ਗੁੰਝਲਦਾਰ ਮਲਟੀ-ਹਜ਼ਾਰਡ ਮਾਡਲਿੰਗ ਤੱਕ ਫੈਲੀ ਹੋਈ ਹੈ। ਉਦਯੋਗ ਦੀ ਮੋਹਰੀ ਕੰਪਨੀ Verisk ਹੁਣ ਤੇਜ਼ ਹਵਾ ਅਤੇ ਮੀਂਹ ਨੂੰ ਇੱਕ ਤੋਂ ਬਾਅਦ ਇੱਕ (sequentially) ਕਰਨ ਦੀ ਬਜਾਏ, ਇੱਕੋ ਸਮੇਂ ਮਾਡਲ ਕਰਨ ਲਈ ਜਨਰੇਟਿਵ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀ ਹੈ। ਇਹ ਪਹੁੰਚ ਬਹੁਤ ਉੱਚੀ ਸਪੇਸ਼ੀਅਲ ਵੇਰੀਏਬਿਲਟੀ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜੋ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਮੌਸਮੀ ਤੱਤ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਇੱਕ ਦੂਜੇ ਨਾਲ ਕਿਵੇਂ ਅੰਤਰ-ਕਿਰਿਆ ਕਰਦੇ ਹਨ।

ਹੋਰ ਕੰਪਨੀਆਂ ਘਟਨਾ ਤੋਂ ਬਾਅਦ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ "ਟੇਲ-ਰਿਸਕ" (tail-risk) ਘਟਨਾਵਾਂ—ਵਿਰਲੇ, ਭਿਆਨਕ ਘਟਨਾਵਾਂ ਜਿਨ੍ਹਾਂ ਕੋਲ ਰਵਾਇਤੀ ਮਾਡਲਾਂ ਲਈ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਇਤਿਹਾਸਕ ਡੇਟਾ ਨਹੀਂ ਹੁੰਦਾ—ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੀਆਂ ਹਨ। ਉਦਾਹਰਨ ਲਈ, Moody's RMS ਬੀਮਾ ਕੀਤੇ ਨੁਕਸਾਨ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਜੰਗਲਾਂ ਦੀ ਅੱਗ ਅਤੇ ਹੜੀਕੇਨ ਤੋਂ ਬਾਅਦ ਸੈਟੇਲਾਈਟ ਤਸਵੀਰਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਵਧ ਰਹੀ ਜਲਵਾਯੂ ਅਸਥਿਰਤਾ ਦੇ ਯੁੱਗ ਵਿੱਚ "ਅਣਦੇਖੇ" ਨੂੰ ਮਾਡਲ ਕਰਨ ਦੀ ਇਹ ਯੋਗਤਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ।

ਜੋਖਮ: ਭੌਤਿਕ ਭਰਮ (Physical Hallucinations) ਅਤੇ ਆਰਥਿਕ ਪੱਖਪਾਤ

ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਬਾਵਜੂਦ, ਜੋਖਮ ਦੇ ਮੁਲਾਂਕਣ ਵਿੱਚ GenAI ਦਾ ਇੱਕਤਾਗਰਤਾ ਮਹੱਤਵਪੂਰਨ ਖਤਰਿਆਂ ਤੋਂ ਮੁਕਤ ਨਹੀਂ ਹੈ। ਮੁੱਖ ਤਕਨੀਕੀ ਰੁਕਾਵਟ "ਹੈਲੂਸੀਨੇਸ਼ਨ" (hallucination) ਹੈ। ਕਿਉਂਕਿ ਡਿਫਿਊਜ਼ਨ ਮਾਡਲ ਭੌਤਿਕ ਸ਼ੁੱਧਤਾ ਦੀ ਬਜਾਏ ਸੰਭਾਵਨਾ ਨੂੰ ਪਹਿਲ ਦਿੰਦੇ ਹਨ, ਉਹ ਅਜਿਹੀਆਂ ਮੌਸਮੀ ਘਟਨਾਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਦੇਖਣ ਵਿੱਚ ਅਸਲੀ ਲੱਗਦੀਆਂ ਹਨ ਪਰ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਮੂਲ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰਦੀਆਂ ਹਨ—ਇੱਕ ਅਜਿਹੀ ਘਟਨਾ ਜਿਸ ਨੂੰ Fathom ਦੇ ਵਿਗਿਆਨਕ ਨਿਰਦੇਸ਼ਕ Oliver Wing "absolute slop" ਵਜੋਂ ਦਰਸਾਉਂਦੇ ਹਨ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵਿਗਿਆਨਕ ਸ਼ੁੱਧਤਾ ਅਤੇ ਕਾਰਪੋਰੇਟ ਵਿਕਰੀ ਤਰਕ ਵਿਚਕਾਰ ਇੱਕ ਸੰਭਾਵੀ ਟਕਰਾਅ ਹੈ। ਹਾਲਾਂਕਿ ਬਿਹਤਰ ਮਾਡਲ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਬ੍ਰਾਜ਼ੀਲ ਜਾਂ ਬੰਗਲਾਦੇਸ਼ ਵਰਗੇ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕਵਰੇਜ ਦਾ ਵਿਸਤਾਰ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਬੀਮਾਕਰਤਾਵਾਂ ਲਈ ਉਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਦਾ ਇੱਕ ਅੰਦਰੂਨੀ ਉਤਸ਼ਾਹ ਹੁੰਦਾ ਹੈ ਜੋ ਘੱਟ ਨੁਕਸਾਨ ਦਾ ਅਨੁਮਾਨ ਦਿੰਦੇ ਹਨ। ਜੇਕਰ ਕੋਈ AI ਮਾਡਲ ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਜੋਖਮ ਪਹਿਲਾਂ ਸੋਚੇ ਗਏ ਅਨੁਮਾਨਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹਨ, ਤਾਂ ਇਸ ਨਾਲ ਵੱਡੇ ਕੈਪੀਟਲ ਬਫਰ ਦੀ ਲੋੜ ਪੈ ਸਕਦੀ ਹੈ, ਜੋ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਕਾਰੋਬਾਰੀ ਵਿਕਾਸ ਨੂੰ ਹੌਲੀ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਤਣਾਅ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਬਿਹਤਰ ਵਿਗਿਆਨ ਦੀ ਖੋਜ ਵਧੇਰੇ ਕਾਰੋਬਾਰ ਕਰਨ ਦੇ ਅੰਡਰਰਾਈਟਿੰਗ (underwriting) ਟੀਚੇ ਨਾਲ ਟਕਰਾ ਸਕਦੀ ਹੈ।

ਮੁੱਖ ਨੁਕਤੇ

• ਵਧੀ ਹੋਇਆ ਰੈਜ਼ੋਲਿਊਸ਼ਨ: ਡਿਫਿਊਜ਼ਨ ਮਾਡਲ ਅਤੇ ਸ਼ਾਰਪਨਿੰਗ ਤਕਨੀਕਾਂ ਮਾਡਲਰਾਂ ਨੂੰ 100 ਕਿਲੋਮੀਟਰ ਤੋਂ 10 ਕਿਲੋਮੀਟਰ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਇਜਾਜ਼ਤ ਦੇ ਰਹੀਆਂ ਹਨ, ਜੋ ਵਰਖਾ ਅਤੇ ਹਵਾ ਦੇ ਪੈਟਰਨਾਂ ਲਈ ਬਹੁਤ ਬਾਰੀਕ ਵੇਰਵੇ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ।
• ਡੇਟਾ ਦੇ ਪਾੜੇ ਨੂੰ ਹੱਲ ਕਰਨਾ: ਜਨਰੇਟਿਵ AI ਹਜ਼ਾਰਾਂ ਸਾਲਾਂ ਦਾ ਸਿੰਥੈਟਿਕ ਜਲਵਾਯੂ ਡੇਟਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਬੀਮਾਕਰਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ "ਟੇਲ-ਰਿਸਕ" ਘਟਨਾਵਾਂ ਲਈ ਤਿਆਰ ਹੋਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਕੋਈ ਇਤਿਹਾਸਕ ਪਿਛੋਕੜ ਨਹੀਂ ਹੈ।
• ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀਆਂ: ਉਦਯੋਗ ਨੂੰ "ਭੌਤਿਕ ਭਰਮ" (physical hallucinations) ਦੇ ਤਕਨੀਕੀ ਜੋਖਮ ਅਤੇ ਵਿਕਰੀ ਉਤਸ਼ਾਹ ਦੁਆਰਾ ਚਲਾਏ ਗਏ ਪੱਖਪਾਤੀ ਮਾਡਲ ਚੋਣ ਦੇ ਆਰਥਿਕ ਜੋਖਮ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਵੇਗਾ।