Диффузионные модели создают десятки тысяч правдоподобных погодных сценариев там, где исторические данные отсутствуют. Страховщики рассчитывают на более точную оценку рисков, но исследователи предупреждают о галлюцинациях.
С 1980-х годов страховые компании, банки и энергетический сектор полагались на так называемые катастрофические модели (cat models) для оценки ущерба от землетрясений, ураганов и наводнений. Эти физические модели делят мир на ячейки сетки и решают уравнения гравитации, трения и течений. Чем выше детализация, тем дороже вычисления. Компромисс между точностью и географическим охватом неизбежен.
Как сообщает Financial Times, генеративный ИИ раздвигает эти границы. Модельеры из компании Fathom (дочернее предприятие перестраховщика Swiss Re) используют диффузионные модели для синтетической генерации погодных событий на десятки тысяч лет вперёд в условиях прогнозируемого климата 2030 года. Сначала Fathom обучила диффузионный инструмент на данных примерно 1000 лет существующих климатических симуляций, а затем заставила его создать гораздо больше сценариев, чем могла бы исходная модель. Вторая модель, улучшающая разрешение наподобие шарпинга изображений, повышает детализацию с изначальных 100 × 100 км до 10 × 10 км, что достаточно для отображения режимов осадков. «ИИ полностью переопределил границы возможного», — говорит научный директор Fathom Оливер Уинг.
Конкурент Verisk теперь использует генеративный ИИ для одновременного моделирования экстремального ветра и дождя, а не последовательного. Руководитель исследований Джей Гуин утверждает, что такой подход гораздо точнее фиксирует пространственную изменчивость, чем традиционное машинное обучение. Moody's RMS применяет ИИ для анализа спутниковых снимков после лесных пожаров и ураганов и оценки застрахованных убытков. Технология особенно ценна для событий с «хвостовым» риском — редких катастроф, по которым почти нет исторических данных, — поясняет Фирас Салех, возглавляющий моделирование наводнений и пожаров в Северной Америке в Moody's.
Как и в любой форме генеративного ИИ, здесь тоже возникают галлюцинации. Модели могут выдавать события, которые выглядят правдоподобно, но нарушают базовые законы физики. «С помощью этих методов можно галлюцинировать полную чушь», — предостерегает Уинг. Согласно Swiss Re, в 2025 году ущерб от стихийных бедствий составил 220 млрд долларов, из которых застраховано лишь 107 млрд.
Более точные модели не всегда выгодны страховщикам
Тем не менее, более точные модели теоретически позволили бы страховщикам охватить такие регионы, как Бангладеш или Бразилия, которые крупные модельные фирмы игнорировали из-за низкой стоимости активов. Однако превратятся ли новые инструменты в реальные страховые премии — открытый вопрос. Улучшенные модели могут показать, что потенциальные убытки выше, чем предполагалось ранее, что, по мнению FT, потребует большего резервного капитала для покрытия самых экстремальных потерь.
Один из модельеров рассказал FT, что страховщики «вообще покупают ту модель, которая позволяет им делать больше бизнеса — которая даёт более низкую оценку убытков». «Андеррайтеры просто хотят заключать больше сделок», — добавил он. FT считает, что более совершенная наука может вступить в конфликт с логикой продаж, даже когда картина риска объективно ухудшается.