是的，给它时间，机器学习将接管!
机器学习技术可以解决越来越多的问题。随着时间的推移，这项技术能够比人类自然地适应新问题的速度更快地“学习”和“改进”。我们已经在日常工作中看到了这一点;例如，机器学习算法可以处理金融服务机构产生的大量数据，并在几分钟内产生准确的利率。
与人类不同，计算机计算的预测方法不会随着时间的推移而老化或性能下降。由于许多高管不断面临削减成本的压力，这可能是一个受欢迎的喘息机会。用更便宜的机器代替人类，不仅可以降低成本，还可以减少对人类的依赖;提高可靠性以及因精算团队人员变动而导致业务中断的风险。
没办法，机器学习只是人类的工具!
尽管机器学习已经成功地将某些任务从人类精算师手中夺走了，但目前机器学习的技术发展水平仍处于需要人工治理和干预的阶段。
大多数公开可用的机器学习技术的自动化和自我调整水平尚未准备好在金融分析中“不受控制”地使用。这是因为大脑可以处理更多并行的信息集，并根据过去的经验做出更复杂的判断，而不是更简单的机器学习技术。即使是更复杂的技术，如深度学习，迄今为止也只应用于非常清晰和局限的问题。
今天，机器学习的工作模式涉及解决业务中的部分问题(规则和信息更容易并且可以通过数据表进行编码)。然后，人们可以使用中间件和有组织的 IT 接口将这些部分解决方案连接在一起，以使用他们的上下文体验来编排和评估整体解决方案的质量。通过这种方式，机器学习只是另一个工具包，它扩展了由分析团队执行的组织内的应用范围。
等等，还有另一种选择：机器学习可以将精算师提升到一个新的水平!
虽然机器学习对精算师来说是一种有用的工具，但很难想象这些计算机能够在没有人工干预的情况下思考最坏的情况，创造性地提出新问题或提供所需的判断和创新。此类问题的一个例子是：“作为一台机器，我可以解决什么类型的有用问题?” 机器学习也并非没有“错误”，无法验证自身或其解决方案以预测未来。然而，有充分的证据表明，机器学习在与过去没有显着变化的情况下具有预测性，因此不会过度违反用于拟合过去数据的方法的假设。然而，最终的责任仍然掌握在人类作为过程的最终决策者和所有者的手中。
因此，仍然需要精算师来干预机器学习并与之交互，但程度较低且效率更高。由于大量计算将外包给机器，因此问题中的物理参与将减少，并且将减少人为干预以设置它们并验证结果的质量。这些方法的设置将比我们在 GLM 等经典方法中看到的迭代模式更加自动化，在 GLM 等经典方法中，在最终结果的迭代构建过程中，人类必须进行干预并非常有创意。
这将为精算师腾出时间和其他资源来处理可以通过机器学习解决的新现象。机器学习将使分析部门能够专注于解决以前无法解决的问题，例如市场价格重建，并为精算师提供解决新问题或为公司开辟新机会的机会，例如鼓励司机的聪明的 Pay As You Drive 概念用他们的车辆进行更安全的旅行。
至少在中期，这可能会最终形成一个富有成效的“人类”创新循环，使用更强大、更灵活的机器学习工具集。这些应用领域可能包括高级索赔处理、巧妙的营销和投资分配、市场研究和欺诈检测。
所以让我们暂时不要太担心。我不相信在可预见的未来精算师会被计算机取代，精算团队也不会缩小。但是，如果确实发生了，精算师将不是唯一受到影响的人，它将全面影响所有金融行业。确保花时间了解机器学习技术的最新情况，因为没有它，您将面临成为精算恐龙的风险!
标签：
免责声明：本文由用户上传，如有侵权请联系本网删除！