Roadzen 的创始人兼首席执行官罗汉·马尔霍特拉 – 采访系列

罗汉·马尔霍特拉是Roadzen的首席执行官、创始人和董事，Roadzen是一家全球的保险科技公司，致力于在移动和保险领域推进人工智能的发展。

Roadzen在计算机视觉、生成式人工智能和车载技术等领域进行了开创性的研究，并开发了道路安全、保险和理赔等方面的工具和产品。像AXA、安联、塔塔和奥迪这样的公司都使用Roadzen为每位驾驶员提供更好的汽车保险体验。马尔霍特拉先生此前曾担任Avacara的首席执行官，Avacara是一家为500强公司提供产品开发服务的企业软件和数据分析公司。马尔霍特拉先生毕业于印度德里大学的NSIT，获得工程学学士学位，并在卡内基梅隆大学获得电气和计算机工程硕士学位，曾在那里学习人工智能和机器人。

是什么最初吸引你对计算机工程和机器学习感兴趣？

我从小就对机器人产生了兴趣，受到创造能够独立执行任务的机器的想法的吸引。这种对机器人的迷恋成为我进入计算机工程领域的门槛。随着我学习的深入，我意识到硬件可以被抽象为软件，并对构建能够扩展和学习的系统产生了兴趣。现在，我们在Roadzen应用这些想法，使汽车变得更加智能，并使保险领域变得更加动态和实时。

你能分享一下Roadzen的创立故事吗？

Roadzen诞生于2015年的一次令人沮丧的经历，当时一位朋友发生了车祸，我不得不处理漫长的道路救援延迟和多个电话来提交理赔，整个过程花了四个半小时。这个艰难的经历激发了我将人工智能专长应用于提高道路安全和转变汽车保险行业的想法。

Roadzen如何使用计算机视觉来评估车辆的价值？

Roadzen通过其车辆检查和评估平台VIA使用计算机视觉来确定车辆的价值。VIA采用人工智能、机器学习和高清成像来进行数字车辆检查，克服了手动检查的挑战，如人为错误、主观性和处理延迟。

该技术通过集成实时数据和历史记录提供对车辆状况的全面视图。VIA的计算机视觉功能实现了准确的损害识别和保险，利用了数百万个保险决策。它还包括通过自动分析模式和用户行为来检测欺诈的功能。该平台确保了检查和保险过程中对保险公司的透明度和可定制的访问控制。

VIA有助于实现无缝、高效和透明的车辆检查和保险，通过动态报告和实时通知加速了这一过程，同时提供了可靠的评估。

同样的技术也用于事故发生后，你能讨论一下客户和现场检查员的流程吗？

Roadzen的理赔管理技术能够在不到一秒的时间内识别任何汽车零件和识别十种类型的损害，这项技术显著加快了理赔流程。它将理赔流程从被动转变为主动，当发生事故时触发理赔流程，允许客户在事故现场处理理赔，而不是等待数周。

Roadzen的自动化理赔平台xClaim，能够让客户和保险公司高效地参与理赔流程。客户可以通过应用程序快速报告事件，提供初步的视觉文档，通过视频和图像，或远程参与检查员以在几分钟内准确识别损害。该系统还包括欺诈检测，提高了理赔流程的完整性。该平台提供动态报告和实时通知，加速了理赔处理，同时专门的客户支持确保了所有利益相关者的透明度和协助。该平台的可定制访问控制提高了客户体验，同时为未来参考创建了数字记录。

Roadzen提供实时驾驶安全数据，你能讨论一下人工智能如何分析特定驾驶员的安全性吗？如何利用这些信息来预防事故？

当我们将人工智能的预测能力与实时数据结合时，它为真正的动态和有效的驾驶员安全铺平了道路——在任何时候都可以评估和提醒个人所面临的风险水平。

Roadzen的综合遥测套件包括一个计算机视觉系统，用于识别驾驶员行为模式。该系统利用实时车辆数据并应用计算机视觉进行关键决策，例如碰撞时间、事故预防和障碍物检测。

Roadzen的一个关键创新是分心监测。通过在车辆中安装先进的面部检测技术，该系统可以判断驾驶员是否昏昏欲睡、分心于手机或没有系安全带。这种主动方法可以显著减少因分心驾驶导致的事故。

Roadzen成功解决了计算机视觉中最复杂的挑战之一，即道路物体检测。该技术可以准确测量车辆之间的距离，这是防止碰撞的关键安全措施。

虽然人类驾驶员通常需要1.3秒的反应时间来避免事故，但Roadzen的技术可以在事故发生前约3秒提醒驾驶员，有效地将反应时间增加了三倍。这可能会消除60%因人为错误或分心导致的事故，标志着保险行业的重大突破。

Roadzen的技术栈使用遥测数据来编制综合驾驶员资料，并提供根据每位驾驶员的个人驾驶习惯和条件量身定制的动态报价。这种个性化方法提高了风险评估的准确性，并确保了公平的保费定价。

在Roadzen中使用的其他人工智能和机器学习技术是什么？

Roadzen专注于通过基础和应用研究推进人工智能，特别是在移动和保险的交叉点。Roadzen的人工智能研究团队（AIR）致力于深化我们在计算机视觉、生成式人工智能和核心机器学习等关键领域的理解。计算机视觉使机器能够解释和对视觉数据做出反应，这在移动和保险领域至关重要，因为视觉输入提供了丰富的信息。另外，我们还在机器学习运营（MLOps）上投入了大量精力，以便我们的团队能够快速准确地训练和部署模型。我们还使用合成或生成式人工智能来加速模型训练。

将人工智能集成到保险行业中会带来哪些挑战？

挑战包括导航复杂的数据结构、处理遗留数据以及管理大量数据生成的高质量数据集。解决数据隐私、安全和算法偏见等问题对于建立信任和确保人工智能在保险中的公平使用至关重要。开发开放和负责任的人工智能对于确保公平的做法、防止人工智能决策中的偏见和保护客户数据至关重要。

你能分享一下你对保险和人工智能未来的展望吗？

随着移动的转变，多数汽车将变得相互连接和自动化，人工智能有潜力为相互连接的移动创造一个更加高效、以客户为中心的保险生态系统。风险评估的预测建模将带来更加准确的定价和更好的风险管理。人工智能和高级分析将使保险公司能够预测客户需求、量身定制产品和改善客户体验。

随着计算机视觉和遥测技术的进步，我们将在事故预防和驾驶行为改善方面取得重大进展。这将带来理赔数量的减少、成本的降低和道路的安全性提高。

自动化的损害评估将简化理赔流程，使其更加快速和客观。人工智能还将通过更准确地评估风险和消除人为偏见来转变保险，实现更快速和更公平的保险。我们正在努力确保这一未来是建立在负责任的人工智能原则之上的。

感谢这次精彩的采访，希望了解更多的读者可以访问Roadzen。