Zest AI为其人工智能支持的技术筹集了1500万美元，该公司声称这可以帮助金融机构减少贷款组合中的偏见，使其风险投资总额达到8700万美元

开发人工智能贷款决策产品的Zest AI公司今天完成了由Insight Partners牵头的1500万美元融资。一位发言人表示，这笔资金将用于加快Zest的上市努力和产品研发。

根据美国消费者金融保护局(U.S.Bureau of Consumer Financial Protection)对全国贷款数据的分析，2017年，每9份购房贷款申请中约有1份(10.8%)被拒绝，超过四分之一(26.4%)的再融资申请被拒绝。少数族裔遭到不成比例的拒绝，2018年美国黑人抵押贷款申请的总体拒绝率达到18.4%。(西班牙裔和亚裔申请者被拒绝的比例分别为13.5%和10.6%，而非西班牙裔白人申请者被拒绝的比例为8.8%。)。

Zest是由前谷歌首席信息官道格拉斯·美林和前西尔斯副总裁肖恩·布德于2009年共同创立的，该公司声称其使命是围绕去偏见算法贷款制定“更严格”的标准。为此，该公司帮助银行、信用社和专业贷款人通过考虑信用评分以外的因素来识别借款人。Zest债权机构-包括Discover、Akbank和Vystar-使用其模型放贷的机构平均批准率上升了20%，冲销金额减少了高达50%，即宣布不太可能收回一定数量的债务。

Zest为30多家客户提供了准备、构建、迭代和记录信用卡、汽车贷款、个人贷款、抵押贷款和学生贷款的机器学习决策模型的资源。补充工具可帮助团队评估和验证模型的安全性、稳定性、业务影响和合规性。客户可以在生产中部署和监控算法，也可以聘请Zest的服务团队和机器学习专家协助开发和验证步骤。

Zest声称使用一种名为对抗性去偏向的技术来最小化潜在的模型偏见。这项技术让两个机器学习模型相互竞争，一个模型试图预测信誉，而另一个模型则对第一个模型所评分的申请者的种族、性别和其他属性进行第二次猜测。竞争促使双方改进他们的方法，直到预测者不再能区分第一个模型的种族或性别输出，导致一个表面上更准确和公平的模型。

Zest最近推出了ZAML Fair，该公司声称这可以减少贷款组合中的偏见，而对盈利能力“几乎没有”影响。ZAML Fair利用Zest解决方案套件中内置的透明度工具，根据系统变量在多大程度上导致有偏见的结果来对它们进行排名。然后，它试图减轻这些信号的影响，以产生一个更好的模型。

根据测试ZAML Fair的抵押贷款机构，Zest表示，该工具将消除美国拉美裔和白人抵押贷款申请者之间70%的批准率差距，并将黑人和白人借款人之间更大的差距缩小40%以上。在一篇博客文章中，Zest引用了哈里斯民意调查(Harris Poll)进行的一项调查，该调查发现，如果导致更公平的信贷决定，大多数美国人会放弃更多的个人数据。考虑到这一点，Zest相信，它可以通过使用“更好的数学和更多的数据来评估借款人”来减少偏见。

当然，要完全消除算法的偏见即使不是不可能，也是困难的。面部识别模型比那些皮肤更白的人更容易识别黑人、中东人和拉丁人。来自麻省理工学院、英特尔和加拿大人工智能倡议CIFAR的人工智能研究人员发现，一些最受欢迎的预先训练的模型存在很高的偏见。Facebook开发的算法已经证明，与白人用户相比，黑人用户禁用账户的可能性要高出50%。

但Zest声称，这些数据证明了它的努力正在发挥作用。一家贷款机构表示，使用Zest的承保软件平台，它能够将白人申请者和有色人种申请者之间的批准率差距平均缩小30%，而投资组合风险没有增加。另外，一家汽车贷款人能够批准“数千”更多的借款人。

首席执行官迈克·德维尔通过电子邮件告诉VentureBeat：“新冠肺炎的冲击导致许多金融机构更新和改进了他们的系统，以提高弹性和耐用性，这导致对我们业务的需求大幅增加。”“其中很大一部分包括利用最新的数学和软件技术建立新的和改进的承保系统。这带来了Zest有记录以来最好的第二季度业绩，并着眼于以三位数的增长结束这一年。