本文章刊登于2023年6月号SOA The Actuary电子杂志。具体文章总结请参考以下内容。
科技一直推动着保险业的发展，使业内解决方案更加高效、准确和以客户为中心。保险业不断适应数字时代，新技术不断涌现也为行业的进一步发展铺平了道路。
本文重点介绍了OpenAI开发的大型语言模型(LLM) GPT-4，以及它对精算和保险行业的重要性。首先，我们会展示GPT-4在处理精算工作中的实际能力，然后讨论其在实际应用中的优势和潜在缺陷。然后，我们会探讨GPT-4的潜在影响以及目前在加拿大适用的与GPT-4和人工智能(AI)相关的监管法规。
什么是 GPT-4？
GPT-4是由 OpenAI 创建的，可以理解和生成文本的计算机程序。它非常先进，可以写故事、回答问题（从非常简单的，到技术性的问题），甚至通过人类设计的测试。GPT-4对精算师来说很重要，从“它现在能够做到什么”，以及“将来它将能够实现什么”这两方面可以得出这一结论。
现在
GPT-4可以成为宝贵的精算工具，但其并未被广泛使用。通过提供精确数据、生成和调试代码，以及协助预测，GPT-4可以增强精算师的能力。此外，它使精算师能够以适合其受众的可访问和连贯的方式有效地传达他们的见解。
将来
随着技术的进步，GPT-4和其他人工智能程序将变得更加复杂。按照当前的变化速度，从模型构建到报告和政策制定以及端到端风险评估自动化的所有内容都比大多数人意识到的更快。这意味着紧跟人工智能最新发展的精算师将更好地利用这些新功能，并利用它们来改进他们的工作。
与 GPT-4的持续对话
GPT-4能够执行日常的精算任务。计算保费和估计索赔概率对任何公司的业务流程至关重要，而 GPT-4可以应用于这些任务中，包括家庭和汽车产品。图1和图2是一系列屏幕截图，展示了使用 ChatGPT（与 GPT-4交互的用户界面）时输入和响应的能力，演示了底层模型生成和清理必要数据集的能力。此外，我们看到它尝试基于（合成的）数据计算家庭保险费和汽车保险索赔概率。虽然这个测试展示了 GPT-4在帮助精算师工作方面的潜力，但它也突显了LLM生成的计算的当前局限性，并强调了人类专业知识在开发和应用精算模型方面的持久重要性。最后，重要的是要记住，该模型是被设计和训练以响应和生成自然语言的；计算最多只是其次要功能。
图 1：生成和清理 JSON 负载以及计算家庭保险产品的定价
图2：汽车保险产品的预测索赔建模
我们与ChatGPT的对话
正如我们在图1和图2中所看到的，GPT-4（通过ChatGPT界面）展示了生成相关数据的能力，在JSON请求中清洗数据并尝试计算家庭保险费和汽车保险索赔概率。虽然这些计算结果最多只能算得上是基本的，但是从这些演示中可以得出一些收获。
优点
在与ChatGPT的对话中，我们注意到了这项技术的一些优点。
速度和效率：GPT-4可以快速（响应时间最长为20秒）和轻松（输入仅为几句话）生成干净和处理过的数据。这可以在初始数据准备和分析阶段为精算师节省时间和精力。
灵活性： GPT-4可以处理多种输入和输出格式（我们选择JSON只是为了可读性），并根据提供的上下文和数据结构调整其方法，从而适应更多种精算问题。同样，精算师可以将他们的知识集（预测模型）转化为超出他们典型领域经验的东西（JSON请求）。
易于使用和学习曲线： GPT-4的自然语言处理能力使其非常易于使用，因为它可以根据用户提供的简单文本指令理解和执行任务。这种方法在完全具备能力时将显著降低精算师的学习曲线，使他们能够在没有广泛的技术培训或人工智能编程专业知识的情况下利用模型的功能。
缺点
我们还观察到使用GPT-4时存在一些缺点。
有限的准确性：GPT-4执行的计算基于简单的假设和预定义的因素，这可能无法准确反映现实世界保险定价和索赔概率估计的复杂性。
缺乏特定领域专业知识：虽然GPT-4是一个强大的语言模型，但它不具备精算师的专业领域知识，而精算师的知识对于理解和解决保险业的独特挑战至关重要。虽然它有相当于中级的知识，但它可以通过特定数据集的训练成为专家。
数据不足：人工智能生成的数据集可能不包含足够的历史数据或适当的变量来执行准确的精算计算，因为模型无法访问专有数据库或机密信息。
可能性
改善协作：GPT-4可以作为精算师的助手，自动化重复的任务，响应请求并提供初步见解。因此，精算师可以专注于更复杂的分析和决策。
增强数据管理：人工智能模型可以帮助识别数据质量问题，填充缺失值并检测异常，这可能改善精算师的整体数据管理过程和效率。
先进的建模技术：通过整合人工智能生成的见解和自然语言处理能力，精算师可以开发更复杂的模型和定价策略，以更好地反映不断演变的风险格局。
尽管尚处在起步阶段，GPT-4和类似的人工智能模型在精算领域的应用有实际发展前景。
GPT-4的未来
GPT-4背后的技术将在未来几个月和几年内为精算专业和更广泛的保险行业带来巨大的希望。随着这些尖端大型语言模型的不断发展和完善，相关技术的进步将使大型语言模型实现本地化，使其体积更小，价格更实惠，可以安装在个人设备上。这将在更大规模和更细颗粒度的个人数据收集方面创造新的可能性和挑战。
此外，GPT-4将能够利用其他大型语言模型和人工智能模型，成为从计算到文本、图像和视频生成等各种任务的单一来源。一个例子是Hugging GPT，也被称为Jarvis，这是微软研究院的一个项目，它使用GPT-4和其他人工智能模型来解决不同领域和模式下的复杂任务，比如生成视频、总结文章、翻译演讲、创建徽标、写歌词等等。Jarvis通过利用GPT-4的语言理解能力和Hugging Face的多样化专家模型，使这一切成为可能。这代表着先进的人工智能迈出了重要的一步，它可以用自然语言作为接口来解决各种问题。
随着成本的降低，培训和部署时间的缩短，以及输出精度的提高，该技术的应用程度预计将飙升，在革新职业的过程中，颠覆当前的知识工作格局。此外，GPT-4拥有在最少的人工干预下创建、训练和部署其他模型的潜力，使得这项技术的影响在很大程度上仍然是不可预见的。斯坦福大学最近开发的Alpaca模型简洁地展示了这些可能性，该模型花费600美元，由ChatGPT进行训练。
GPT-4已经能够在大多数智力任务中超越人类。它能发现新药、生成游戏，在LSAT考试、GRE考试和律师考试中名列前茅，最近还救了一只兽医都束手无策的狗。
GPT-4适用于和不适用的地方
在精算工作中使用GPT-4时，评估这个强大工具的潜在优势以及与之相关的伦理考虑和风险是至关重要的。我们在之前的一篇文章中更详细地讨论了这一点。GPT-4可以增强数据分析、风险建模、自动化和决策过程，但了解它的局限性和偏差是至关重要的。
精算师不应仅依赖GPT-4或任何大型语言模型来处理复杂或敏感的任务，因为输出结果会受到训练数据和模型结构的极大影响。这可能导致偏见或不准确性，从而导致监管或业务结果困难。为了应对这些风险，使用者应该通过其他来源或专家意见来证实GPT-4生成的见解。此外，必须解决数据隐私、透明度和安全性等伦理问题，以确保负责任地应用模型。精算师应该一如既往地保持警惕，保护敏感客户信息，并遵守严格的隐私标准。通过了解人工智能研究，与监管机构和政策制定者合作，并且认识到这些挑战的存在，精算师可以在维护其领域的高职业道德标准的同时利用好GPT-4的力量。
结论
精算师以前也有过这样的经历。大约十年前，随着机器学习和人工智能在精算专业的普及，许多人预测了类似的说法：精算师将永远受到新技术的影响，颠覆即将到来。这种夸张的说法并没有成为现实，但在很多情况下，精算师在日常工作中使用机器学习和人工智能。
这一次有什么不同？
十年前，机器学习和人工智能对于许多精算师来说大多是理论性的。影响他们日常工作的实际模型仍然很难构建。正如我们所看到的，由于行业中缺乏机器学习和人工智能人才和软件、缺乏高管的认可和计算能力较低，采用率相对缓慢。
在过去的十年中，这些问题已经基本解决（并且还在继续改善）。许多保险公司已经从最少的投资转变为拥有数百名数据科学家和精算师的团队，他们正在开发利用机器学习和人工智能的最前沿模型。与此同时，在保险业之外，模型的复杂性也在增加，使得日常用户也可以轻松使用强大的生成式人工智能（GAI）模型——ChatGPT就是一个例子。
GPT-4和类似工具背后的技术进步的复合效应是前所未有的，现在的进展是以周和天来衡量的，而不是几年和几个月。正因为如此，几乎不可能根据以前的技术范式来准确地推断未来会是什么样子。相反，我们正处于一个新的领域，在那里，进展的速度正在迅速滚雪球。由于易于访问和相对负担得起，我们预计大型语言模型（以及更广泛的生成式人工智能)的影响将比机器学习和人工智能在保险业产生重大影响的十年之旅更快地显现出来。此外，我们预计大型语言模型和生成式人工智能将在两年内成为精算工作的关键驱动力。
未来十年会发生什么？
机器学习和人工智能的进步不容忽视，大型语言模型的快速提升也不例外。与此同时，那些无法利用机器学习和人工智能领域最新创新的公司也不会在一夜之间倒闭。这种变化需要时间，对于保险公司来说，正确地进行这些变化比快速地进行更重要。
我们预计，那些能够通过大型语言模型投资发展自身能力和商业模式的保险公司——而且做得正确——将会预见显著的收益。较慢采用新规的保险公司最终将受到影响，但不是一夜之间。
当精算师在不断增长的可能性中航行时，我们认为他们必须意识到潜在的挑战和限制，并积极应对。凭借其提供自动化、简化风险评估和决策见解的能力，GPT-4是精算专业和保险行业的一座众所周知的金矿。因此，它的持续发展可能会在塑造这些行业的未来和在这些行业包含的工作中发挥关键作用。
以上陈述及评论仅为作者个人观点，不代表北美精算师协会（SOA）或其相关雇主言论和观点。
注：本文来源SOA官方帐号，精算学习交流圈申请授权转载发布。
点这里，获取精算师考试专业解答
