Инновации в вычислительной технике и информационных технологиях трансформируют бизнес беспрецедентными темпами. Сектор недвижимости не останется в стороне, и это хорошая новость.
Достижения в области искусственного интеллекта, аналитики и блокчейна улучшат отрасль недвижимости за счет повышения эффективности, выявления и снижения рисков.
В то время как недвижимость останется верной своим традиционным корням из кирпича и раствора, технологические инновации изменят способ работы сектора.
Рассмотрим блокчейн, который предлагает большие перспективы для прозрачности, точности данных и агрегации данных. Как мы все знаем, Блокчейн — это распределенная база данных, которая поддерживает растущий список элементов данных и защищена от манипуляций и подделок. После добавления блока он действует как «паспорт здания». Это позволяет собрать всю необходимую информацию о здании в одном месте, от записей о собственности до структурных деталей и последних ремонтных работ. Такая информация может быть легко доступна заинтересованным лицам.
ТЕХНИЧЕСКИЕ ДОСТИЖЕНИЯ
Практика изменилась за последние несколько десятилетий, когда статистические модели фактически заменили экспертные оценки. Использование компьютерных алгоритмов в оценке стало нормой. Достижения в области хранения данных и вычислительных мощностей означали, что статистические модели стали более точными.
Недавние достижения в области аналитики означают, что еще более сложные вычислительные алгоритмы вскоре станут нормой в сфере оценки. В то время как статистические модели типа регрессии широко распространены сегодня, в будущем будет более широкое применение алгоритмов машинного обучения, включая искусственные нейронные сети (ANN) и машины опорных векторов (SVM).
Вычислительные достижения, вероятно, изменят рынок массовой оценки, который включает в себя определение стоимости групп объектов недвижимости в данный момент времени. Крупными пользователями моделей массовой оценки являются организации государственного сектора, отвечающие за налогообложение имущества. Налог на недвижимость рассчитывается для всех объектов недвижимости на определенную дату, что требует оценки стоимости каждого объекта недвижимости в налоговой ведомости. Неправильная оценка может привести к дорогостоящим судебным разбирательствам стоимостью в миллионы.
Другими крупными пользователями массовой оценки являются ипотечные кредиторы, которые хотели бы установить стоимость имущества до предоставления кредита. Опять же, неправильное определение значения может подвергнуть кредитора большему риску.
Недавние исследования показывают, что алгоритмы машинного обучения обеспечивают повышенную производительность прогнозной аналитики. Преимущества по сравнению с традиционными регрессионными моделями еще выше, когда данные отражают нелинейность.
ПРОГНОЗИРУЮЩЕЕ МОДЕЛИРОВАНИЕ
Мусор на входе, мусор на выходе применим и к миру ИИ. Модель искусственного интеллекта или машинного обучения учится на данных, которые мы создаем для обучения алгоритма. Данные низкого качества означают плохое обучение и некачественные прогнозы. Таким образом, будущий успех прогностического моделирования зависит от совершенствования методов отсеивания выбросов и ошибочных данных.
Поэтому ИИ нужен блокчейн для доступа к высококачественным данным о собственности.
Достижения в моделях ИИ сосредоточены на воспроизведении работы человеческого мозга. Довольно странно, что компьютерные модели были введены раньше, чтобы заменить принятие решений человеком инструментами, основанными на алгоритмах.
Будущее далеко не определено. Если компьютеры могут думать как люди, будут ли они совершать те же когнитивные ошибки, что и люди? Или, будучи искусственным интеллектом, смогут ли компьютеры имитировать процесс принятия решений человеком, не поддаваясь влиянию эмоций?
Сделки с недвижимостью, особенно с жильем, никогда не могут быть лишены эмоций. Если ИИ подразумевает интеллект без эмоций, модели оценки могут отражать большую разницу между оценками, полученными людьми и компьютерами.
Свобода воли и готовность поддаться эмоциям отличают людей от роботов. Статистическая аналитика быстро совершенствуется в моделях автоматизированной оценки на основе ИИ. Эмоциональный интеллект, однако, трудно обучить машинам.
