你可以把企业家Ryan Kottenstette称为算命师。这是因为他可以告诉我们，深度学习和计算机视觉可以为传统行业发现隐藏的机遇。

他的最新创业公司Cape Analytics将深度卷积神经网络应用于地理空间图像，为保险公司提取详细的房地产信息。

他说：“我对世界的看法是，我们有一个巨大的未充分利用的机会，可以将深度学习和计算机视觉应用到从农业、航运物流、保险和资本市场等传统行业的重建中。”

AI的遏制上诉

这家位于硅谷的创业公司每年多次收集整个美国大陆的地理空间图像。Cape Analytics利用云中的按需GPU，将图像分类算法应用于地理空间图像，以识别保险公司的房地产属性。

该公司分析并标记了数十万张图像，这些图像随后在其卷积神经网络上运行，以使其模型识别属性属性。

“我们建立了自己的一套工具来标记这个图像，这创造了我们用来训练算法的基本事实。我们在内部使用NVIDIA GPU进行此操作，因为它们更快，更灵活，“该公司首席执行官Kottenstette表示。“在生产过程中，我们转向基于云的实例，以实现大规模扩展。”

Cape Analytics提供有关个人住宅的信息，涉及保险风险，财产状况，周围环境以及辅助结构，太阳能电池板或游泳池等功能。

“我们的客户向我们发送了一个地址，我们将这些生活数据库的相关属性属性发回给我们，”他说。

现实检查风险

Cape Analytics开发了一个包含7000多万户美国独户住宅的数据库，并正在向商业建筑、公寓领域扩张。

对于家庭保险和再保险公司(为保险公司提供保险)来说，Cape Analytics可以提供整个投资组合风险的最新信息——即时快照。

保险公司的另一种选择是通过派遣检查员和检查公共记录来更新文件。

Cape Analytics的一份报告通常可以发现保险公司投资组合中多达30%的新风险相关信息。这是因为随着时间的推移，地面上的事实可能会发生变化，而公共记录数据往往已经过时，这就是为什么持续监测是有价值的。

Cape Analytics还可以更好地向再保险公司提供有关投资组合风险的信息。

由于再保险公司考虑将资金分配给保险公司，他们能够从Cape Analytics获得独立的投资组合风险视角。例如，迄今为止，Cape Analytics的解决方案已被用于评估东南部沿海地区受飓风风险影响的绝大多数住宅保险组合。

Kottenstette说:“我们能够告诉他们哪些书的风险比其他书小，这样他们就能更好地选择自己想要的书，以及如何配置资金。”

还有另一个结果:这使得不使用Cape分析数据的保险商处于不利地位，因为他们只能从剩余的可用风险中进行选择——这在保险业被称为“逆向选择”。

“我们正接近那个临界点。”