نظرة عامة على المشكلة
يعد فحص أضرار المركبة عملية يدوية وتستغرق وقتًا طويلاً. يمكن اعتماد الذكاء الاصطناعي في عملية التحول الرقمي لتقييم الأضرار، على سبيل المثال، باستخدام نموذج الرؤية الحاسوبية، يمكن إجراء الكشف الآلي عن أجزاء الهيكل المتضررة بسرعة كبيرة بدءًا من الحطام الشديد وحتى الخدوش الرقيقة، على نطاق واسع.والأهم من ذلك، إن الكشف السريع عن درجات مختلفة من أجزاء هيكل المركبة المتضررة من شأنه أن يترجم إلى رؤية أفضل وحساب أسرع لتقدير تكلفة الإصلاح بشكل دقيق - اعتمادًا على الجزء الذي تعرض للتدمير من مكون السيارة ومدى سوء الضرر.
المشروع
كانت إحدى شركات التأمين تحاول تحسين تقييم أضرار المركبات لمعالجة مطالبات التأمين باستخدام نموذج الذكاء الاصطناعي. وكان الهدف هو تسريع عملية الفحص مع ضمان دقة عالية في تقدير تكلفة الإصلاح، بهدف تحسين الإنتاجية ورضا العملاء.
يعد بناء مجموعة بيانات مناسبة لتدريب نموذج الذكاء الاصطناعي تحديًا في حد ذاته، حيث لا توجد حاليًا مجموعة بيانات متاحة للجمهور تتعلق بالمركبات المعطلة أو التالفة. لذلك، كان على الشركة إنشاء مجموعة بيانات خاصة بها والتي يجب أن تكون واسعة النطاق فيما يتعلق بأنواع المركبات المختلفة، وأنواع أجزاء الهيكل داخل المركبة، وكذلك أنواع الأضرار المختلفة بدرجات متفاوتة من الخطورة.
وكان ضمان جودة مجموعة البيانات ذا أهمية قصوى لأن التوزيع الخاطئ لقطع غيار المركبات، أو تحديد نوع خاطئ من الضرر قد يؤدي إلى سوء تقدير تكاليف الضرر.
ساهمت شركة هايفو في إثراء نموذج تقييم الأضرار القائم على الذكاء الاصطناعي بمجموعات بيانات صور عالية الجودة تم تنفيذها على منصة "تقدم". كان من الضروري تصنيف البيانات ووضع تعليقات توضيحية دقيقة على أجزاء هيكل المركبة، بالإضافة إلى تصنيف جزء المركبة ونوع الضرر بشكل صحيح. تم تدريب المفسرين على التعرف على ما يصل إلى ٤٠ قطعة مختلفة من أجزاء المركبة. تم تحقيق جودة مجموعة البيانات من خلال التدريب الصارم الذي أجراه مديرو مشروع هايفو بالإضافة إلى المدققين، الذين قاموا بتطبيق ضمان الجودة بنسبة ١٠٠٪ والفحوصات المفاجئة لضمان الجودة والاتساق عبر تصنيف البيانات والتعليقات التوضيحية.
https://kili-technology.com/transforming-car-damage-assessment-in-auto-insurance-claim-process/
