用合成數據對抗偏見

保險行業因為所謂的「公平偏見」而受到關注已經很多年了。事實上，商業實踐中低品質的數據和偏見是保險公司面臨的一個眾所周知的問題。不幸的是，這導致了某些人群的邊緣化。

一些行業專家，包括一位前美國保險專員，認為歧視將成為人工智慧（AI）監管的主要問題。這是因為收集到的客戶數據可能會輕易揭示過多的負面信息，使保險公司只能選擇那些風險較低的客戶。

保險公司面臨的低品質數據是什麼？

在建立模型時，訓練數據非常重要。以壽險中的身體質量指數（BMI）為例。由於缺乏代表性和高品質的替代保險數據，BMI被視為評估「疾病風險」的理想參數已經有80年，直到美國醫學會將其列為誤導性指標。

在這個例子中，BMI的數據主要基於對白人男性的身高和體重測量。最近的研究顯示，BMI並未考慮骨密度和肌肉量等因素，因此在許多情況下，這種測量會導致風險評估不準確。

如同這個例子所示，數據的缺乏可能會造成「可得性偏見」（即過度依賴易獲得的數據），並導致負面結果。由於數據是人工智慧的燃料，低品質數據進入AI系統將導致不良結果。

什麼是算法，為什麼它們重要？

AI算法是一系列逐步指令，旨在執行特定任務或解決特定問題。生成或創建合成數據使用了AI算法，例如機器學習算法和神經網絡。

偏見：四個字母的詞

歷史上，保險公司使用郵政編碼或地區代碼來計算保險費。然而，這些看似無害的變數可能是敏感數據的代理，例如種族、性別或宗教。這些變數可能會隱藏偏見。

以2017年Propublica在芝加哥進行的一項調查為例。該調查集中於汽車保險費的差異，郵政編碼被用作主要數據。一項後續研究顯示，居住在少數族裔集中區域的人，即使在年齡、保險範圍、性別和理賠歷史等因素相同的情況下，仍需支付更高的保險費。

在最明顯的例子中，隨著郵政編碼的變化，保險費的差異在少數族裔佔50%以上的地區超過300%。而所有34家被調查的公司都收取了更高的保險費。

如果不識別和減輕這類偏見，脆弱的人群將會進一步被邊緣化。而人工智慧只會加劇這些不平等。

AI和可靠性：政府正在努力促進人工智慧的使用素養，鼓勵包容性貢獻，並清楚顯示AI的可靠性水平。

生成式AI的角色

大多數使用生成式AI（GenAI）的商業案例都涉及大型語言模型（LLM）。然而，另一種GenAI——合成數據，在解決數據隱私和公平性問題時特別有用。合成數據為模型設計者提供了保護敏感個人信息的優勢，而無需數據遮罩。以下是一些組織的看法：

太美好以至於不真實？根本不是。

合成數據取得的具體成果

在2022年，SAS與Syntho和荷蘭AI聯盟合作，證明合成數據在保持複雜統計模型的同時，能產生比匿名數據更可靠的結果，這對於更高級的分析至關重要。

這些進展，加上對隱私保護的日益關注，是IDC FutureScape預測到2027年，40%的保險公司使用的AI算法將在整個價值創造鏈中使用合成數據，以確保內部過程的公平性和合規性。

合成數據在保險行業：聖杯還是「蛇油」？

合成數據本身並不能解決所有問題。因為創建合成數據需要原始數據，而原始數據中延續的偏見仍然可能存在。

任何關於安全使用AI（包括GenAI）的討論都必須承認一些真相：

偏見造成不平等。
所有模型都包含偏見。
偏見可以減輕，但無法消除。

為了在這個領域中成為領導者，組織必須制定原則以確保AI的可靠性，並且：

促進數據使用素養和基於數據的決策過程。
讓員工能夠報告AI帶來的潛在風險。
將數據倫理納入公司的核心價值觀。

最近，SAS與一家大型保險公司合作進行了一個合成數據項目，測試合成數據和信用評分。實驗結果令人鼓舞。隨後的討論也揭示了一些關於信用使用和影響保險費評級的其他因素的不愉快真相。例如：

許多研究證實，少數族裔和女性在汽車保險上支付的費用更高。
駕駛者的歷史可能會受到警方偏見的影響。
通過智能設備監控駕駛行為可能會因為不同社區的道路條件而失真。

閱讀眾議院金融服務委員會對汽車保險行業實踐的詳細分析。

合成數據在保險行業的未來是什麼？

保險公司可以利用GenAI的方式有很多。

生成式AI模型可以幫助保險公司創建場景，主動識別風險和預測結果。生成式AI還可以支持定價和保險範圍的決策。它還可以自動化理賠處理，幫助降低成本並改善客戶的體驗（和滿意度）。最後，它可以用於促進詐騙檢測，並為客戶提供針對風險預防的建議，從而降低理賠的可能性。

合成數據是打破保險行業中持續存在的偏見鏈的關鍵。

保險公司應該不僅關注AI可能帶來的負面影響，而應提出正確的問題，並更加重視用於生成合成數據的數據質量。這樣可以保護隱私，顯著減少偏見，同時釋放生成式AI的巨大潛力。

了解SAS Data Maker的獨家預覽，這是一個低代碼/無代碼的界面，可以快速增加或生成數據。