1986年挑战者号航天飞机失事后，悉达尔塔·达拉尔得到了概率分析的介绍。Dalal代表美国国家科学院进行的研究发现，美国宇航局估计导致爆炸的o形密封圈失效的风险为0.5%，这大大偏离了目标。在发射当天早上31华氏度的气温下，风险超过了16%。换言之，"挑战者"升空时有六分之一的爆炸几率。他在周四的麻省理工学院首席数据官和数据质量研讨会上说："没有证据表明发生了故障，因为24次飞行都没有发生事故，但有一些局部故障本可以形成一个更好的统计基础。"事实上，这些数据会显示出温度与o型环失效之间的明显相关性。作为美国国际集团公司（American International Group Inc.）首席数据科学家和高级副总裁，Dalal目前正在将计算机视觉、自然语言处理和传感器等技术应用于概率风险分析。他说，大数据正在改变保险承保的纪律。他说："保险业就是要了解风险。"过去四年，我们取得的进步令人惊叹。"作为保险承保基础的风险分析原则历来依赖于人类提出正确的问题，但机器学习擅长于让数据决定要问什么问题。这就产生了人类从未见过的关联。例如，Dalal展示了文本挖掘如何在公共警报发出前几年揭示出石棉、甲基叔丁基醚和双酚A等材料的健康风险。兰德公司（randcorp.）对2000万篇学术文章进行了频率分析，结果表明，存在着大量的科学证据，但文章的分散性太大，人类看不出来。"仅每月就有5000多种医学月刊问世。PubMed数据库有2000万篇文章。我们怎么能读到这么多？"他问道。机器可以，这就是为什么Dalal认为在算法中找到人类无法找到的模式有如此大的前景。例如，计算机比人类更善于识别图像中的模式。他们可以达到97%的面部识别准确率，而人类只有不到85%。例如，这些功能可以应用于分析施工现场的照片，以寻找安全风险或识别桥梁支撑的弱点。同样，温度与o型环失效之间更为完整的关联可以防止"挑战者"灾难，机器学习在"我们不寻找明显的风险"时效果最好。我们正在寻找根本没有明显风险证据的领域。"机器学习还可以协调看似不协调的趋势，如预期寿命的增加和威胁生命的疾病（如糖尿病和老年痴呆症）的增长。保险人可以使用这些模型来寻找相关关系，使保险公司能够以精确到准的方式为保单定价，并找到新的全新相关性。这是否意味着人类保险公司将变得过时？在达尔看来，一点也不。他说："这不是人工智能，而是智能放大。"机器性能良好，但误报率很高。人类的表现不太好，但假阴性率很高。照片：保罗·吉林既然你来了…点击订阅我们的YouTube频道（见下文），显示您对我们使命的支持。我们的订户越多，YouTube就越会向你推荐相关的企业和新兴技术内容。谢谢！支持我们的使命：>>>>>立即订阅我们的YouTube频道。……我们还想告诉你我们的使命，以及你如何帮助我们完成它。SiliconANGLE Media Inc.的商业模式是基于内容的内在价值，而不是广告。与许多在线出版物不同的是，我们没有付费墙或横幅广告，因为我们想让我们的新闻保持开放，不受影响，也不需要追逐交通。那个新闻、报道和评论SiliconANGLE——以及现场报道，我们的硅谷工作室和cube环球巡演的视频团队提供的未经剪辑的视频需要大量的辛勤工作、时间和金钱。保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。如果你喜欢这里的报道，视频采访和其他无广告内容，请花点时间看看我们的赞助商支持的视频内容样本，在推特上表达你的支持，然后继续回到SiliconANGLE。