Zest筹集了1500万美元 以减少贷款算法的偏见

Zest AI是一家开发基于AI的贷款决策产品的公司，今天完成了由Insight Partners牵头的1500万美元融资。一位发言人说，这笔资金将用于加速Zest的上市进程和产品研发。

根据美国消费者局对贷款人数据的全国分析，2017年，每9笔购房贷款申请中就有1份(10.8%)被拒绝，四分之一以上的贷款申请(26.4%)被拒绝。财务保护。少数群体被否决的比例最高，2018年美国黑人的抵押贷款申请总拒绝率达到18.4%。(西班牙裔和亚洲裔申请人分别被拒绝了13.5%和10.6%，相比之下，非西班牙裔白人申请人则被拒绝了8.8%。 )

Zest由前Google首席信息官道格拉斯·梅里尔(Douglas Merrill)和前Sears副总裁Shawn Budde于2009年共同创立，声称其使命是围绕消除算法贷款的偏向创建“更严格的”标准。为此，该公司帮助银行，信用合作社和专业贷款人通过考虑比信用评分更多的因素来确定借款人。Zest声称使用其模型进行借贷的机构(包括Discover，Akbank和Vystar)的批准率平均提高了20%，注销费用降低了50%，或者宣布不太可能收回一定数量的债务。

Zest为30多个客户提供资源，以准备，构建，迭代和记录卡，汽车贷款，个人贷款，抵押和学生贷款的机器学习决策模型。辅助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视算法，也可以聘请Zest的服务和机器学习专家团队为开发和验证步骤提供帮助。

Zest声称使用一种称为对抗性反偏的技术来最小化潜在的模型偏见。该技术使两个机器学习模型相互对立，其中一个试图预测信誉度，而另一个则通过第一个模型对申请人的种族，性别和其他属性进行猜测。竞争促使双方都改进自己的方法，直到预测变量不再能够区分第一个模型的种族或性别输出，从而使该模型表面上更准确，更公平。

Zest最近推出了ZAML Fair，该公司称ZAML Fair可以减少贷款组合的偏向，而对盈利能力的影响“微乎其微”。ZAML Fair利用Zest解决方案套件中内置的透明性工具对系统变量的排序程度，以衡量导致偏差的结果。然后，它试图减轻那些信号的影响，以产生一个更好的模型。

基于对ZAML Fair进行测试的抵押贷款机构的资料，Zest表示，该工具将消除西班牙裔美国人和白人抵押贷款申请人之间的70%的国家批准率差距，并将黑人和白人借款人之间的更大差距减少40%以上。泽斯特(Zest)在博客中引用了哈里斯民意调查(Harris Poll)进行的一项调查，该调查发现，如果大多数美国人做出更公平的信用决定，他们就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“更好的数学和更多数据来评估借款人”来减少偏差。

当然，要完全消除偏差算法，即使不是不可能，也很困难。面部识别模型比肤色较浅的人更不能识别黑人，中东和拉丁裔。麻省理工学院，英特尔和加拿大AI倡议CIFAR的AI研究人员从一些最受欢迎的预训练模型中发现了高度的偏见。与Facebook相比，由Facebook开发的算法被证明禁用黑人用户帐户的可能性要高出50%。

但是Zest声称数据证明其努力正在发挥作用。一位贷方表示，使用Zest的承销软件平台，它可以将白人申请人和有色申请人之间的批准率差距平均缩小30%，而投资组合风险却没有增加。另外，汽车贷方能够批准“数千”个借款人。

首席执行官Mike de Vere通过电子邮件告诉VentureBeat：“ COVID-19冲击使许多金融机构更新和改进了系统的弹性和耐用性，这导致对我们业务的需求显着增加。”“其中很大一部分包括使用最新的数学和软件技术构建新的和改进的承保系统。这使Zest创下了有史以来最好的第二季度，并有望以三位数的增长率结束这一年。”

迄今为止，总部位于洛杉矶的Zest已筹集了超过8700万美元的风险投资。