Як генеративний ШІ переосмислює моделювання катастроф у страхуванні

Страхова галузь переживає масштабний технологічний зсув, оскільки традиційні фізичні моделі катастроф стикаються з конкуренцією з боку передового генеративного ШІ. Використовуючи дифузійні моделі для симуляції екстремальних погодних явищ, компанії намагаються подолати розрив у даних між історичними записами та майбутніми кліматичними реаліями.

Подолання бар'єру роздільної здатності за допомогою дифузійних моделей

Протягом десятиліть моделювання катастроф (cat modeling) покладалося на фізичні рівняння для симуляції гравітації, тертя та потоків у межах географічних сіток. Однак ці моделі постійно стикаються з проблемою вибору між обчислювальною вартістю та роздільною здатністю. Запуск моделей високої роздільної здатності на великих територіях є надзвичайно дорогим, що змушує йти на компроміс між деталізацією та охопленням.

Генеративний ШІ докорінно змінює це рівняння. Fathom, дочірня компанія Swiss Re, є піонером у використанні дифузійних моделей для подолання цих обмежень. Навчаючи дифузійний інструмент на приблизно 1000 роках існуючих кліматичних симуляцій, Fathom може синтетично генерувати десятки тисяч років погодних сценаріїв, спрогнокованих для клімату 2030 року. Щоб вирішити проблему роздільної здатності, вони використовують вторинну модель підвищення чіткості зображень, яка уточнює грубі дані з кроком 100 × 100 кілометрів до точної роздільної здатності 10 × 10 кілометрів, що дозволяє набагато точніше картографувати структури опадів.

Нові горизонти просторової мінливості та хвостових ризиків

Застосування ШІ виходить за межі простого генерування погоди і переходить до складного моделювання декількох видів загроз одночасно. Лідер галузі Verisk зараз використовує генеративний ШІ для моделювання екстремального вітру та дощу одночасно, а не послідовно. Такий підхід забезпечує набагато вищу просторову мінливість, фіксуючи взаємодію різних погодних елементів у режимі реального часу.

Інші гравці зосереджуються на аналізі після подій та подіях «хвостового ризику» (tail-risk) — рідкісних катастрофічних випадках, для яких бракує достатніх історичних даних для обробки традиційними моделями. Наприклад, Moody's RMS використовує ШІ для аналізу супутникових знімків після лісових пожеж та ураганів, щоб оцінити страхові збитки. Ця здатність моделювати «невидиме» є критично важливою в епоху зростаючої кліматичної волатильності.

Ризики: фізичні галюцинації та економічні упередження

Попри потенціал, інтеграція GenAI у оцінку ризиків не позбавлена значних небезпек. Основним технічним бар'єром є «галюцинація». Оскільки дифузійні моделі надають пріоритет правдоподібності, а не фізичній точності, вони можуть генерувати погодні явища, які виглядають реалістично, але порушують фундаментальні закони фізики — явище, яке науковий директор Fathom Олівер Вінг описує як «абсолютну безладність» (absolute slop).

Крім того, існує неминучий конфлікт між науковою точністю та корпоративною логікою продажів. Хоча кращі моделі теоретично могли б розширити покриття на регіони з високим рівнем ризику, такі як Бразилія чи Бангладеш, у страховиків є природний стимул надавати перевагу моделям, які дають нижчі оцінки збитків. Якщо модель ШІ покаже, що ризики значно вищі, ніж вважалося раніше, це може вимагати більших резервів капіталу, що потенційно сповільнить зростання бізнесу. Це створює напруженість, коли прагнення до кращої науки може вступити в суперечність із метою андеррайтингу — збільшенням обсягів страхування.

Основні висновки

• Покращена роздільна здатність: Дифузійні моделі та методи підвищення чіткості дозволяють моделювальникам перейти від роздільної здатності 100 км до 10 км, забезпечуючи набагато детальнішу інформацію про структуру опадів і вітрові режими.
• Подолання розриву в даних: Генеративний ШІ може синтезувати тисячі років синтетичних кліматичних даних, допомагаючи страховикам готуватися до подій «хвостового ризику», які не мають історичних прецедентів.
• Критичні виклики: Галузь має долати технічний ризик «фізичних галюцинацій» та економічний ризик упередженого вибору моделей, зумовленого стимулами продажів.