תמונת לוויין מכ״ם עם שני כתמים כהים כמעט זהים: מי שיטפון וצל מכ״ם של הר
Artificial IntelligenceInsuranceMachine Learning

כשתשלום שיטפון של 2 מיליון דולר תלוי בהבחנה בין מים לצל

Ashutosh SinghalAshutosh Singhal19 במאי 202612 min

הפעם הראשונה שזה באמת הכה בי, הבטתי בתמונה אחת בגווני אפור על צג שני קרוב לחצות. זו הייתה מסגרת מכ״ם של Sentinel-1 — נתוני הלוויין האירופיים החינמיים שכל מי שעוסק בשיטפונות מתחיל איתם — ואיפשהו במסגרת הזו היה שיטפון. המכ״ם צובע מים חלקים ככהים, כמעט שחורים, כי משטח מים שטוח מקפיץ את האות הרחק מהלוויין במקום בחזרה אליו. אז חיפשתי את הכתם הכהה.

הבעיה הייתה שהיו שני כתמים כהים. אחד היה מי שיטפון. השני היה הצל שרכס הרים מטיל בגיאומטריית מכ״ם, שבו השטח חוסם את הקרן ושום דבר לא חוזר. על המסך, בשעה ההיא, הם נראו כמו תאומים. ואני זוכר את המחשבה הספציפית, הלא-נוחה: איפשהו יש מבטח שהולך לשלם או לא לשלם תביעה בהתבסס על איזה מאלה אני מכנה מים.

זו כל הבעיה של מודיעין שיטפונות לווייני לביטוח פרמטרי, מכווצת לתמונה אחת. פוליסה פרמטרית אינה ממתינה לשמאי שיבחן מחסן מוצף. היא משלמת אוטומטית כאשר טריגר נמדד נורה — לוויין אומר שהשיטפון הגיע להיקף מסוים, והכסף זז. זהו רעיון יפהפה לעולם שבו האסון מואץ. זה גם אומר שהסיווג של הלוויין הוא התביעה. אין אדם שעומד במים כדי לבטל אותו.

טריגר פרמטרי הופך קריאה אחת של פיקסל לוויני אחד להעברה בנקאית.

והלוויין טועה בשני הכיוונים.

הפיזיקה שאף אחד לא רוצה במצגת

הנה החלק שלקח לי הכי הרבה זמן לקבל, כי הגעתי בהנחה שזו בעיית תוכנה שאוכל לפתור בהנדסה טובה יותר. צללי עננים ומי שיטפון נראים כמעט זהים בצילום לוויני אופטי — לא דומים, זהים בפסים שחשובים. שניהם בולעים אור אינפרא-אדום קרוב ואינפרא-אדום גלי-קצר. לשניהם גבולות רכים וחסרי צורה. שניהם משטחים את המרקם של כל מה שנמצא מתחתיהם למריחה אחידה.

מדדי זיהוי המים הסטנדרטיים — NDWI ו-MNDWI, החישוב שכל צינור עיבוד שיטפונות נשען עליו — מסמנים את שניהם כ"דמויי-מים", כי הפיזיקה הבסיסית באמת זהה: החזריות מופחתת לרוחב הפסים האינפרא-אדומים. מסגרת אופטית בודדת שצולמה במהלך סערה אינה יכולה להבחין באופן אמין בין צל לשיטפון, ושום כמות של סף חכם אינה מתקנת אות שהוא באמת דו-משמעי במקור.

ביליתי חודש בטוח שהתשובה היא מודל טוב יותר. הייתה לנו ספרות הלמידה העמוקה לצדנו, והיא באמת מרשימה — רשת DeepLabV3 מותאמת שהוזנה בנתוני מכ״ם רב-קיטוב ונתוני שטח הגיעה לדיוק כולל של 98.4% במחקר שפורסם; U-Net עם קשב טרנספורמר דיווחה על 95.5%. המספרים האלה אמיתיים. ציטטתי אותם במצגת מוקדמת. מה שלא אמרתי בקול, כי עוד לא הבנתי זאת, הוא שדיוקים אלה נמדדים על סצנות מדד-אמת מובחרות, ושמערכי אימון האסון שהם לומדים מהם מוטים בכוונה.

הם מוטים מסיבה הומאנית. פספוס של שיטפון אמיתי עלול להרוג אנשים, ולכן התוויות ופונקציות ההפסד מענישות שיטפון שפוספס בחומרה רבה הרבה יותר מאשר התרעת שווא. התוצאה היא דור של מסווגים שהם שיטתית ממהרים ללחוץ על ההדק — כשהאות שולי, הם נוטים ל"שיטפון". זו בדיוק ההטיה הנכונה למערכת התרעה מוקדמת הומניטרית ובדיוק ההטיה השגויה לאישור תשלום של 2 מיליון דולר, שבו התרעת שווא אינה שגיאת עיגול. זו העברה בנקאית.

הדמו שסימן הר כמוצף

בנינו קודם את הדבר המובן מאליו. מסווג של מסגרת בודדת, מובל-מכ״ם כדי שיוכל לראות דרך העננים, מכוונן היטב, הודגם נקי על הסצנות שבחרנו. הייתי גאה בו. ואז עמית שבאמת הבין גיאומטריית מכ״ם הריץ אותו על אזור בדיקה הררי, והוא האיר מדרון כמוצף בביטחון גבוה. לא קריאה שולית — קריאה בטוחה. הוא מצא צל מכ״ם, אותו סוג של כתם כהה שהטריד אותי במסגרת של חצות, וקרא לו מים.

אני עדיין חושב על המייל הדמיוני שהסצנה הזו הייתה מייצרת אילו הייתה טריגר חי. אקטואר, שלושה אזורי זמן משם, מביט בקביעה האוטומטית שלנו ששיפולי גבעה היו מתחת לשני מטרים של מים, כותב בחזרה את השאלה היחידה שחשובה: אתה בטוח שזה מים ולא צל? והמערכת שלנו — לא הייתה לה תשובה מעבר לציון ביטחון שלא הייתה לה זכות עליו.

מספר ביטחון אינו ראיה. זו דעה עם ספרות אחרי הנקודה.

זה היה הכישלון ששילם על כל מה שבא אחריו. כי הלקח לא היה "לכוונן את המודל חזק יותר". הלקח היה ששום מסגרת בודדת ושום חיישן בודד אינם יכולים לשאת את ההוכחה, וניסיתי לנצח בוויכוח שהפיזיקה כבר הפסידה בו.

מכ״ם נמכר כתרופה — הוא רואה דרך העננים, אחרי הכול, מה שחיישנים אופטיים לא יכולים. אבל פיזור לאחור של מכ״ם יורד מעל מים חלקים וגם מעל צל שטח, layover ו-foreshortening בשטח מחוספס. יש לו התרעות שווא משלו בקרקע צחיחה, מעל מחזורי הקפאה-הפשרה, ביבולים תעשייתיים, וגרוע מכל בערים, שבהן הקפיצה הכפולה של האות ממבנים יכולה להסתיר מים עומדים לחלוטין. מוצר השיטפונות הגלובלי כמעט בזמן אמת של נאס״א ממחיש את הנקודה בקנה מידה פלנטרי: הרכב היום-אחד שלו כולל כל כך הרבה התרעות שווא שנאס״א מסרבת לפרסם אותו במציג Worldview הציבורי שלה. רק הרכבי היומיים-והשלושה-ימים — אלה שמשתמשים בזמן, לא במבט בודד — נחשבים תפעוליים. מאגרים חדשים נקראים כשיטפונות במוצרים אלה למשך עד שלוש שנים, עד שמסכת המים הקבועים מתעדכנת.

התבנית ישבה שם כל הזמן. התיקון להתרעות שווא מעולם לא היה תמונה חדה יותר. זה היה מבט שני, ושלישי — אותה סצנה לאורך זמן.

מה באמת מפריד בין שיטפון לצל?

מטריצה זמנית של 3x3 המראה כיצד מי שיטפון, צל עננים וצל מכ״ם מתנהגים כל אחד לאורך לפני, במהלך ואחרי

מה שמפריד בין שיטפון לצל אינו איך הוא נראה במסגרת אחת. זה איך הוא מתנהג לאורך רבות. צל מכ״ם של הר נמצא באותו מקום בכל מעבר, לאורך כל השנה — זו גיאומטריה, לא מזג אוויר. מי שיטפון מופיעים על רקע קו בסיס יבש ונסוגים. צל עננים נעלם ביום הבהיר הבא. האות המבחין חי בערימה הזמנית, לא בפיקסל.

אז הפסקנו לשאול "האם הפיקסל הזה הוא מים?" והתחלנו לשאול "האם המקום הזה השתנה באופן שרק שיטפון מסביר, ביחס לכל מה שאנחנו יודעים על איך הוא נראה בדרך כלל?" מסגור מחדש זה הוא כל הארכיטקטורה של מה שבנינו בסופו של דבר, וזו הסיבה שאנחנו נשענים על חיישנים מרובים במקום להמר על אחד. מסגרת מכ״ם כדי לראות דרך ענני הסערה. מסגרות אופטיות לפני ואחרי כדי לבסס את קו הבסיס היבש ולאשר את הנסיגה. מודל שטח כדי לשלול את הגיאומטריה שמזייפת מים בשניהם. מיזוג של מכ״ם ואופטיקה רב-ספקטרלית הוכח כמשפר את הזיהוי באזורים מושפעי-עננים ומושפעי-צל ביותר מ-23% על פני שיטות של חיישן יחיד — לא בגלל שהחיישנים טובים יותר בנפרד, אלא בגלל שאופן הכשל של כל אחד הוא משהו שהאחרים יכולים לראות דרכו.

זו השכבה שאנחנו בונים ב-Veriprajna: מערכת אימות שיטפונות לוויינית שמפרידה בין צללים למים באמצעות מיזוג זמני של SAR-אופטי, ומייצרת שובל ראיות ברמה פורנזית לכל אירוע טריגר — לא פסק דין, טיעון שאפשר למסור לאקטואר או לבית משפט.

האזהרה ההנדסית הכנה, זו שהייתי רוצה שקונה ישמע לפני שהוא חותם על משהו: לנתונים החינמיים יש שעון. מערך שני הלוויינים המשוחזר של Sentinel-1 נותן ביקור חוזר של שישה ימים. שיא שיטפון שמגיע לפסגתו ומתנקז בין מעברים עלול להתפספס על ידי נתונים שהם חינמיים אך איטיים. אז חלק מהמלאכה הוא לדעת מתי נתוני Sentinel חינמיים מספיקים ומתי אירוע דורש הטלת משימה על לוויין מכ״ם מסחרי — שעולה איפשהו בין אלף לחמשת אלפים דולר לסצנה בהתאם לרזולוציה ולדחיפות. פשרה זו היא שיקול דעת לכל אירוע, לא דרגת מנוי.

למה לא פשוט לקנות את דוח השיטפונות?

היה לנו ויכוח פנימי אמיתי על האם משהו מכל זה שווה לבנות. הטיעון הנגדי היה פשוט: חברות כבר מוכרות דוחות שיטפונות. למה לא למכור אותם מחדש?

זהו אתגר הוגן, והספקים באמת טובים. ICEYE מחזיקה במערך המכ״ם המסחרי הגדול בעולם — יותר מ-60 לוויינים — ובמהלך הוריקן הלן היא דחפה יותר מ-150 תמונות דרך ענני הסערה ומיפתה יותר מ-80,000 מבנים בפלורידה. זה יוצא דופן. אבל אתם קונים את המוצר שלהם, לא בונים יכולת מודיעינית, ואימות פורנזי לכל אירוע בקנה מידה של תיק השקעות מתנגש במחירים שלהם במהירות. Floodbase, הנתמכת על ידי Munich Re ובשותפות עם מערך המכ״ם Capella, בנתה פתרון פרמטרי אמיתי מקצה לקצה — עיצוב טריגר, תמחור, הסמכת תשלום. אבל אתם מקבלים את שלהם המתודולוגיה, מכווננת לשלהם שותפויות החיישנים, לא מערכת שמעוצבת לספר העסקים הספציפי שלכם.

וגם לתקן הזהב החינמי יש תקרה משלו. שירות ניהול החירום Copernicus של אירופה הוא המערכת שיבשת שלמה סומכת עליה למיפוי אסונות. אך דרגת שירות המיפוי המהיר שלו פועלת מ-8 בבוקר עד 8 בערב שעון בריסל, בימי עבודה בלבד. אני חוזר שוב ושוב לוולנסיה, אוקטובר 2024 — גשם של שנה שלמה בשמונה שעות, יותר מ-227 הרוגים. ל-Copernicus לקח שלושה עד ארבעה ימים לפרסם את היקף השיטפון. כשזה הגיע, הוא אישר 15,633 הקטרים ובערך 190,000 אנשים נפגעים. העיכוב לא היה באג. 24 השעות הקריטיות הראשונות נפלו בלילה ואל תוך הערב, מחוץ לחלון השירות. מערכת מודיעין השיטפונות של היבשת הייתה, למעשה, סגורה בשעות שבהן הייתה נחוצה ביותר.

אז הוויכוח פתר את עצמו. הספקים מצוינים במה שהם בנויים עבורו. אף אחד מהם אינו בנוי להיות שכבת אימות ניטרלית-לספק שממזגת את החיישנים שהאירוע באמת דורש ומוסרת לכם ראיות שניתן להגן עליהן עבור הטריגר שלכם. הפער הזה היה החברה.

הכישלון שכואב יותר: השיטפון שלא משלם

השוואה זו לצד זו של שני אופני הכשל הפרמטריים: התרעת שווא המרוקנת עתודות מול החמצה המשאירה שיטפון אמיתי ללא תשלום

במשך זמן רב חשבתי על העבודה הזו כעל בעיה של התרעות שווא — למנוע מהמערכת לשלם על שיטפונות שלא קרו. ואז קראתי על נגאלנד.

תוכנית שיטפונות פרמטרית בנגאלנד, הודו, לא הופעלה למרות גשמים כבדים ושיטפון מאושר בשטח. הסף הנגזר מהלוויין נקבע גבוה מדי ביחס למציאות בשטח. אנשים הוצפו. הפוליסה הייתה אמורה לשלם. היא לא שילמה. זהו אופן הכשל האחר, ובמונחים אנושיים הוא הגרוע יותר.

זה מה שהתעשייה מכנה סיכון בסיס — הפער בין מה שהטריגר מודד לבין מה שבעל הפוליסה חווה בפועל. התרעת שווא מרוקנת את עתודות המבטח ומזמינה הונאה. החמצה הורסת את אמון בעל הפוליסה ומולידה התדיינות משפטית. שני הכשלים תוקפים את אותו הדבר: את אמינות המודל הפרמטרי עצמו — מה שמקשה למכור אותו ומקשה על רגולטורים לאשר אותו. אי אפשר לפתור כיוון אחד על ידי הישענות חזקה יותר לכיוון השני. הידוק הסף כדי לעצור תשלומי שווא הוא בדיוק איך שמייצרים נגאלנד.

לא מתקנים סיכון בסיס על ידי בחירה באיזה כיוון לטעות. מתקנים אותו על ידי היכולת להוכיח מה באמת היה מתחת למים.

לכן הפלט של המערכת שלנו אינו כן/לא. זו מפת ביטחון לכל פיקסל עם שובל ביקורת — מה נצפה, על ידי אילו חיישנים, באילו זמנים, עם איזו ודאות, ומה נשלל. ראיות ששורדות ביקורת אקטוארית ובחינה משפטית, כי בעסק הזה החלטת הטריגר בסופו של דבר תעורער על ידי מישהו שלא היה שם.

למה כיסוי שיטפונות פרמטרי הוא פתאום הבעיה של כולם?

הסיבה שכל זה חשוב יותר בכל שנה היא פשוטה באכזריות: המים מנצחים. הפסדים מבוטחים גלובליים מאסונות טבע הגיעו ל-129 מיליארד דולר ב-2025. ופער ההגנה — החלק מהפסדי האסונות שאף אחד לא ביטח — עומד על כ-52 עד 56% ברחבי העולם. ב-2024, אסונות אקלים גרמו להפסדים של 368 מיליארד דולר, כאשר 223 מיליארד דולר מתוכם אינם מבוטחים, פער של 61%. בארה״ב, הפסדי שיטפונות שנתיים לבתים חד-משפחתיים מסתכמים ב-24.4 מיליארד דולר, וכ-70% מכך אינו מבוטח.

ביטוח פרמטרי קיים כדי לסגור את הפער הזה, והוא צומח במהירות — שוק של 21-24 מיליארד דולר ב-2026, שצפוי להגיע ל-38.7 מיליארד דולר עד 2030 — בדיוק בגלל שהוא יכול לשלם תוך ימים במקום חודשים ולהגיע לאנשים שביטוח מסורתי לעולם אינו נוגע בהם. במרץ 2026, תוכנית שיטפונות פרמטרית שתוכננה על ידי קונסורציום הכולל את AXA Climate, Swiss Re ו-ICEYE יצאה לדרך בלאגוס, ניגריה, ומכסה ארבעה מיליון אנשים. ארבעה מיליון אנשים שהתביעות שלהם ייקבעו על ידי קריאת הלוויין של היכן שהמים היו.

קנה מידה זה הוא הטיעון לעשות את האימות נכון. כאשר הטריגר מכסה ארבעה מיליון אנשים, "כנראה מוצף" אינו סטנדרט שניתן להגן עליו. הדבר שעומד בין תוכנית פרמטרית לאסון מוניטין הוא האם מישהו יכול להוכיח, מסגרת אחר מסגרת, שהטריגר נורה על מים ולא על צל.

אנשים שואלים אותי האם חיזוי מזג אוויר מבוסס בינה מלאכותית הופך את שכבת הלוויין למיותרת — מודלי השיטפונות החזויים נעשים באמת טובים. הם לא. תחזית אומרת לך מה עשוי לקרות; תשלום פרמטרי דורש הוכחה למה שקרה. אחרים שואלים האם חיישני קרקע, מדי העומק הפיזיים שחלק מהמבטחים משתמשים בהם כדי לצמצם סיכון בסיס, הופכים לוויינים למיותרים. הם עוזרים עצומות היכן שהם קיימים, אבל אי אפשר לשים מד על כל קילומטר של מישור הצפה על פני כדור הארץ. לוויינים הם איך שרואים את המקומות שאף אחד לא מכשיר — שהם, במהלך אסון, רוב המקומות.

מסגרת חצות עם שני הכתמים הכהים שלה היא עדיין התמונה הכי אמיתית של העבודה הזו שיש לי. אחד היה מים. אחד היה צל. כל הדיסציפלינה מסתכמת בבניית מערכת שיכולה לומר לך איזה — ואז להראות את עבודתה לאדם שעומד להזיז את הכסף. אם אתם מעצבים או חותמים על תוכנית שיטפונות פרמטרית וההבחנה הזו מדירה שינה מעיניכם, זו הבעיה שאנחנו בונים עבורה.

המים לא ייעשו קלים יותר לקריאה. ההוכחה היא המוצר.

מחקר קשור

פורסם גם ב

בנו את ה-AI שלכם בביטחון.

שותפו עם צוות בעל ניסיון עמוק בבניית הדור הבא של AI ארגוני. אנו נסייע לכם לתכנן, לבנות ולהטמיע אסטרטגיית AI שתוכלו לסמוך עליה.

Veriprajna ייעוץ דיפ-טק מתמחה בבניית מערכות AI קריטיות לבטיחות עבור תחומי הבריאות, הפיננסים והרגולציה. הארכיטקטורות שלנו מאומתות מול פרוטוקולים מבוססים ומלוות בתיעוד ציות מקיף.