使用人工智能扩展商业数据
目录
Asa Block是位于纽约布鲁克林的Near Space Labs公司的产品副总裁。他在科技领域有着丰富的消费者和B2B产品构建经验，在加入Near Space Labs之前曾在谷歌工作，并转向为电动汽车初创企业Revel开发产品。Near Space Labs利用零排放技术在美国提供高分辨率的航拍图像，并利用机器学习和人工智能为商业客户（尤其是保险行业）提供有价值的见解和洞察力。
这次采访已经经过轻微编辑，以便简洁明了
在地理空间行业，我们正在使用人工智能做的最重要的事情，而几年前还无法实现的是什么？
目前，我们主要专注于商业客户，特别是保险领域。我认为人工智能的普及和大规模数据集的普及使我们能够更好地做出更大规模的决策。我们喜欢这样来思考：在宏观尺度上做出更微观的决策。例如，我们可以更好地了解城市中每个屋顶的状况，而不仅仅是问：“这个社区看起来如何？”
借助人工智能的帮助，我们可以问：“每个城市中每个屋顶上的每片屋瓦看起来如何？”基于这个信息，我们可以做出更明智的评估和决策。
在考虑保险时，我们正在降低风险，真正关注的是理解每个屋顶的质量。它最后一次更新是什么时候？他们使用的是什么材料？在没有发生灾难的情况下，保险公司需要了解房屋的价值，如何为其提供保险，以及如何降低风险。在灾后情况下，保险公司需要了解哪些地区受到影响，如何提供快速支持，以及每个财产的损失程度。
对我们来说，问题是：我们如何能够尽快为保险公司提供价值，以便他们更快、更高效地帮助他们的客户？
通常情况下，在飓风等灾后情况下，保险公司需要花费数周或数月的时间获取数据，然后才能提出索赔，以便人们能够获得资金来重建和修复受损的地方。我们的目标是加快这个过程，让它更快地实现。而人工智能在其中起着至关重要的作用，因为对于人类来说，要在那种规模下处理这么多数据是不可能的。能够在几分钟甚至几秒钟内完成这个过程至关重要。
因此，地理空间行业中我们正在做的最重要的事情之一就是提高我们处理大数据源、处理它们并迅速做出智能而专注的决策的能力。
您能否想到在您的工作中应用人工智能并取得积极结果的例子，并概述具体的好处是什么？
我们有几种方法来实现这一点。例如，我们向分析公司提供最新的、超高分辨率的影像数据，以增强其算法和模型在蓝布检测等方面的能力。在灾后情况下，人们常常会在屋顶上放上蓝布。当我们飞行收集数据时，数据会通过API自动处理，并集成到我们的分析合作伙伴的平台上，保险公司可以立即使用。凭借这些快速信息，保险公司实际上可以主动通知他们的保险客户，告知哪些建筑可能受到损害。进一步，我们还可以更详细地指出：“这里曾经有一栋屋顶上有所有屋瓦，现在有10片屋瓦丢失。”因此，我们利用我们的数据为那些变化很大的事物建立了快速变化检测模型。最初，计算机在变化检测方面是非常困难的，因为在将一幅图像与另一幅图像进行比较时，可能会有数十个事物发生变化。
例如，一个树有叶子，然后三个月后，这棵树没有叶子了。这是一种变化，但不一定是我们的客户关心的一种变化。
捕获能够训练模型的高质量数据，针对不同类型的变化，比如加建游泳池或拆除小屋，对我们的客户非常有益，因为这为他们提供了高度准确的数据来做出决策。
另一个例子是地方政府。目前，在许多大城市，地方政府会派车在每条道路上进行路面状况评估。但是，通过我们的数据集的规模和分辨率，实际上可以查看奥斯汀等整个城市的每条街道，了解道路的状况。通过这种大规模的评估，我们可以减少城市所需的资源，使其能够将资源用于修复道路，而不仅仅是评估损害程度。
在未来几年中，我对地理空间领域中的人工智能有什么期待呢？
随着气候变化的加剧，我认为能够更主动地检测环境变化并减轻其中一些影响，将是人工智能所能帮助的方面。因此，了解水域侵入或植被生长，使无论是房主还是基础设施公司能够帮助减轻这个快速变化环境所带来的影响，是我们非常关注的问题。这是我们着重研究的一个领域。我们如何通过我们的数据集和算法来帮助公司减轻我们正在见到的重大影响并提高规模？
我还期待看到越来越多的公司结合多个数据集进行更智能的评估。例如，我们的光学数据集来自平流层，而自动驾驶汽车收集街道上的信息。将这些不同的数据集整合起来，以便我们可以开始在城市范围内做出非常智能的决策，对每个区域进行详细的评估，这将非常有趣。
我对当前的情况非常好奇，因为人工智能已经成为一个很大的热词，无处不在新闻中。对于客户来说，他们对使用人工智能有何反应？是否存在消极的联想，或者是否需要进行教育？
我认为人工智能现在是一个非常令人兴奋的热词，特别是它已经在消费者媒体中得到广泛应用，尤其是最近出现的大型语言模型。我认为人们并不理解，其实周围一直在使用人工智能，对吗？当你从亚马逊订购东西，然后UPS送货时，UPS或亚马逊已经使用人工智能来优化他们的送货路线。我的意思是，甚至包括iPhone根据房间的亮度来显示屏幕上的颜色，也涉及到了人工智能的元素。
话虽如此，我认为有必要思考如何在规模上负责任地应用人工智能。我还认为重要的是要注意，我们思考的是如何增强人类，而不是取代人类，以使他们能够更有效地利用人力资源。例如，在保险领域，人工智能已经帮助提高核保和理赔团队的效率。当需要进行财产检查时，谷歌街景等数据集或者我们提供的高分辨率图像可以为保险公司提供大量信息，以便人类评估员能够做出决策。他们是否需要去那栋房子，或者他们是否有足够的信息可以远程做出决策？人工智能的帮助使得生产力可以提高，从而让人类能够将资源用于其他重要事务。
因此，对我们来说，真正重要的是要向人们普及我们如何增强人类而不是取代他们。我认为目前新闻中出现的一些可怕的东西，其实是人们对此的一些误解。
在未来的工作中，你如何设想使用人工智能？
我认为我们有两种方式来做到这一点。一方面，继续了解我们客户的工作流程，以及我们如何通过不断开发算法来增强这些工作流程。我们的数据集非常丰富，可以从中提取出许多不同的信息，并能够专注于提供价值的方面。例如，我们可以观察全国每根输电线路，并评估它们是否存在植被侵入的问题。或者随着我们添加更多传感器，我们是否能够开始检测小型建筑物的甲烷排放？我们如何知道美国的每栋建筑物在排放甲烷？这是我们想为客户提供的信息。
其次，我们还不断使用人工智能进行内部质量评估，以增强我们的数据集。在客户看到数据之前，我们的算法会检测图像中的不同
元素，包括云。我们在10万英尺高空飞行，所以我们在云层以上飞行，因此需要从图像中去除云层。然后在云层周围提供遮罩，以便客户可以说：“好的，在这里有数据，但在这里有一朵云，我们将忽略那部分数据。”在我们捕获图像的规模下，人类无法完成这项工作。
因此，有很多令人兴奋的内部应用案例可以帮助我们改进和扩展。但我认为最令人兴奋的是我们将继续开发的新用例，这些用例将真正为我们的客户提供服务。
