AI出現也無法危及「炒價仔」？學者：房、車、保險交易無法離開人性

炒房（home flipping）聽起來像是人工智慧的完美應用――用人工智慧提議的價錢買進房屋然後賣出，賺取中間的價差。遺憾的是，從事這項服務的5家新創公司並未獲利。

到2022年底，其中一家的累積虧損達到31億美元，另一家則虧損17億美元，後者名為Zillow，如今已經退出市場。

問題在於哪怕是近在咫尺的住宅，售價也可能差別很大，各種因素都可能影響價格，包括離學校、公園、捷運站、噪音汙染處及高架電線的遠近在內。

甚至看起來一模一樣的比鄰住宅也可能售價不同，因為買家和房地產經紀人可能曉得某一棟房子最近才整修過，另一棟房子裡發生過謀殺案，而演算法是不會知道這些事情的。

演算法也很難替格局怪異的房子估值，事實上它根本認不出什麼叫格局怪異――假如隔壁人家的前院有啤酒瓶、比特犬或缺輪子的汽車，演算法不會曉得該如何做調整。

買家有時候心裡渴望住在自己兒孫的隔壁，或是住在自己長大的那條街上，但是因為演算法大致只限於評估住家和地點，碰到這些問題時處理都不得法。

不過當房屋市場從多頭轉為空頭時（編按：從上漲趨勢進入下跌趨勢），虧損才真正開始增加，這也是二手車的問題。

當房屋價格開始下跌，Zillow 之類的炒房公司便漸漸退出市場。

當二手車價格開始下滑，零售業者Carvana 的虧損也跟著暴增――迫使它們用比賣車時提供給買家的貸款更高的利率向外借貸。

Carvana 透過自己昂貴的「自動販賣機」系統收購車子，因此也牽扯到龐大的資本支出。

同樣的，保險公司如Lemonade 使用演算法設定保險費率，要求使用者回答由人工智慧聊天機器人所提出的13個問題，然後分析答案。

Lemonade 公司執行長辯稱：「舉個例子，人工智慧下西洋棋打敗人類，因為它所使用的演算法是人類無法創造的，也沒有人徹底了解」，因此「我們無法了解的演算法，將能夠使保險更公平。」

遺憾的是，這家公司的虧損越來越龐大，甚至超過營收，而且所採用的技術也未能使保險定價轉型。

他們失敗的原因之一是保險價格主要靠理賠金額決定，而不是靠更準確的計算申請人風險這種內部流程決定，所以我們需要的是可以減少火災、車禍及搶劫頻率的技術。

煙霧偵測器就是一個例子；它們降低火災的頻率，也就降低了理賠的頻率，採用煙霧偵測器的保戶也可因此獲得保費折扣。

這是人工智慧必須做到的事，但新創公司是不是連嘗試都不肯？

（本文摘自大是文化《獨角獸，炒作與泡沫：新科技熱門話題，是真商機還是假訊號？ 美日新加坡資歷超過45年，卡內基美隆博士教你如何識別、避開、與充分利用》，作者：康絲坦絲・卡維）