三、AI、AR與Big Data的技術應用

目前國內尚無「AI車定損」產品，新局數位科技是國內專注這領域的廠商，曾參加台灣人工智慧學校之2020年產業AI化創新競賽，以「一站式AI秒賠服務」勇奪亞軍，有相關專利、顧問諮詢、系統整合與專案管理能力，目前已有以下現成產品應用：
1. 採用國際商用水準的AI車牌辨識解決方案，透過AI車牌辨識即可報案，正確率達99.1%，能適用於不同環境 (如晴雨、日夜、光影等)，能75度大角度拍攝，拍攝車牌含損傷處照片時，可避免造假。
2. AI大數據分析平台，可進行零件價格統計分析、異常偵測、差異分析、趨勢預測...等，該平台曾榮獲Garner之”金融科技應用創新供應商”與”區金融創新服務獎"的技術肯定，首創使用「自然語言」操作 (即問即答)，已在台灣各產業有成功應用案例。

以下簡介如何利用更先進AI技術，以小樣本數達到更高定損正確率；此外，透過AR智能引導，可減少產生大量多餘無效照片，提升定損處理效率和準確性；最後，分享大數據分析如何監控並示警異常的零件價格。

(一) AI技術應用

在「勘查車損」階段，傳統車險理賠耗費很多人力，除儘量於第一時間取得事故現場資料並直接上傳受損照片，避免造假外，需要導入像資深理賠員程度的人工智慧，透過機器學習與深度學習，讓AI像人一樣具有判斷與預測能力，可大量處理也不會疲累，能提供24小時更具效率與效能的服務。

透過AI電腦視覺 (Computer Vision, 簡稱CV)，上傳照片供高效能運算 (HPC、GPU)或雲端運算 (Cloud Computing) 辨識圖像，可應用於身份識別、車牌辨識、損傷部位、損傷類型、損傷程度與維修方式辨識等。

考量國外AI模型通常需要大量標記訓練資料 (例如100萬張影像需約40人月標註)，才能達到預期準確率，然而台灣保險業規模較小，資料量少，蒐集標記不易，故需要採用AI少量資料學習方案與自動化機器學習，才能大幅減少資料蒐集與標註的人力，加速AI落地商用。

由於車損影像具有特徵不明顯的特性，很難僅靠「分類」(Classification) 、「偵測」(Object Detection)或「分割」（Semantic Segmentation）等單一技術得到完善的效果，甚至需要進行量測，故需要整合多個解決方法，才能有效解決產業上實際的問題。技術合作夥伴工研院已申請15個以上專利，在「智慧製造」電腦視覺瑕疵檢測於半導體、PCB、射出成型、化工廠等產業導入場域的落地應用，其演算法不論是準確度或推論速度之產業應用，皆具相當優勢，例如在整合瑕疵偵測與分類之整體解決方案準確率可提升至Recall/Precision為100% / 96.35%，進一步提高準確率及降低誤報率；另在半導體的應用中，可達到大於96%的準確率，分析速度小於10ms (毫秒)水準。

圖2. 工研院工業視覺監督式深度學習解決方案

陳素敏顧問簡介