人工智能幫助各行各業(yè)的許多企業(yè)應對了近年來面臨的各種挑戰(zhàn)。使用人工智能的優(yōu)點通常是從利潤最大化的背景下討論的。然而，人工智能技術也可以帶來更全面的好處。

我們已經討論過大數據和人工智能如何改變我們評估經濟學的方式。如果使用得當，它可以帶來巨大的好處。人工智能的潛在好處之一是它可以減少不平等。

這在銀行領域尤為重要，因為金融領域存在很多不公平的機會。它可以幫助所有性別和種族的人獲得房屋凈值信貸額度。

人工智能通過抵消精算歧視創(chuàng)造了解決少數群體貸款問題的潛力

《公平住房法》禁止劃紅線的做法。然而，在許多領域的貸款過程中仍然存在巨大的不平等。

亞特蘭大是研究少數族裔在尋求資金時所面臨挑戰(zhàn)的一個很好的案例研究。Policy Map發(fā)布了熱圖，詳細說明了以白人和黑人為主的社區(qū)的貸款申請被拒絕的比率。在絕大多數黑人社區(qū)，超過 21% 的貸款申請被拒絕。絕大多數白人社區(qū)的貸款拒絕率低于 10%。

盡管很容易將這種差異完全歸咎于種族偏見，但現(xiàn)實要復雜得多，也更難解決。部分問題是由于種族不平等引起的其他因素，例如較低的收入。然而，種族歧視也在等式中發(fā)揮作用。一些貸款模型可能依賴于看似中立的數據，這些數據已被偏見所污染，例如歷史貸款標準。

這些問題必須認真對待。人工智能可能在處理整個金融業(yè)實施的貸款過程的不公平方面發(fā)揮重要作用。這是大數據和人工智能改變消費貸款方式的最大例子之一。

人工智能真的可以幫助提高金融業(yè)的公平性嗎？

一直有很多人猜測算法財務決策應該比人類做出的決策更公平。該理論認為，機器缺乏辨別能力并完全專注于客觀的精算標準。

《哈佛商業(yè)評論》的西安湯森表示，這一理論有常識支持，但在過去并沒有經受住現(xiàn)實的考驗。使用算法做出的貸款決策通常嚴重依賴有偏見的數據集。這往往會加劇而不是解決不平等。

然而，越來越多的證據表明，一種新的算法貸款方法可能會更加公平。訣竅是改進機器學習算法，使其更專注于相關數據點。他們必須被編程為完全根據人們履行財務義務的可能性來取消他們的資格，而不是任何會被證明具有歧視性的不相關數據。

貸方可以做些什么來提高人工智能算法的公平性？

金融機構可以采取很多措施來使學習過程更加公平。需要仔細遵循這些步驟以減少偏差。

貸方需要考慮的最重要的事情是他們不能過于依賴之前的貸款決定。過去，婦女和少數族裔經常被拒絕貸款。這意味著貸方在查看這些保護類別中的潛在借款人時，可以使用較小的數據樣本進行評估。如果他們查看歷史貸款數據，那么他們最終會做出不公平的假設，這些假設受到充滿偏見的舊模型的影響。

這意味著需要重新制定精算貸款決策。他們必須消除考慮中的偏見，這意味著不要過分依賴歷史貸款決策。

銀行可能還必須修改歷史數據以更符合更公平的結果。例如，一家金融機構發(fā)現(xiàn)，從歷史上看，女性需要比男性多賺 30% 的收入才有資格獲得相同的貸款。通過使用乘數調整女性申請人的收入，他們能夠使貸款決策更加公平。

湯森表示，在開發(fā)出看似中立的算法后，貸款過程中仍有可能出現(xiàn)不平等。然而，這仍將是一個好的開始。該計劃可以不斷修改，以反映對更大公平性的需求。