沃卡惠人工智能帮助各行各业的许多企业应对了近年来面临的各种挑战。使用人工智能的优点通常是从利润最大化的背景下讨论的。然而，人工智能技术也可以带来更全面的好处。
我们已经讨论过大数据和人工智能如何改变我们评估经济学的方式。如果使用得当，它可以带来巨大的好处。人工智能的潜在好处之一是它可以减少不平等。
这在银行领域尤为重要，因为金融领域存在很多不公平的机会。它可以帮助所有性别和种族的人获得房屋净值信贷额度。
人工智能通过抵消精算歧视创造了解决少数群体贷款问题的潜力
《公平住房法》禁止划红线的做法。然而，在许多领域的贷款过程中仍然存在巨大的不平等。
亚特兰大是研究少数族裔在寻求资金时所面临挑战的一个很好的案例研究。Policy Map发布了热图，详细说明了以白人和黑人为主的社区的贷款申请被拒绝的比率。在绝大多数黑人社区，超过 21% 的贷款申请被拒绝。绝大多数白人社区的贷款拒绝率低于 10%。
尽管很容易将这种差异完全归咎于种族偏见，但现实要复杂得多，也更难解决。部分问题是由于种族不平等引起的其他因素，例如较低的收入。然而，种族歧视也在等式中发挥作用。一些贷款模型可能依赖于看似中立的数据，这些数据已被偏见所污染，例如历史贷款标准。
这些问题必须认真对待。人工智能可能在处理整个金融业实施的贷款过程的不公平方面发挥重要作用。这是大数据和人工智能改变消费贷款方式的最大例子之一。
人工智能真的可以帮助提高金融业的公平性吗？
一直有很多人猜测算法财务决策应该比人类做出的决策更公平。该理论认为，机器缺乏辨别能力并完全专注于客观的精算标准。
《哈佛商业评论》的西安汤森表示，这一理论有常识支持，但在过去并没有经受住现实的考验。使用算法做出的贷款决策通常严重依赖有偏见的数据集。这往往会加剧而不是解决不平等。
然而，越来越多的证据表明，一种新的算法贷款方法可能会更加公平。诀窍是改进机器学习算法，使其更专注于相关数据点。他们必须被编程为完全根据人们履行财务义务的可能性来取消他们的资格，而不是任何会被证明具有歧视性的不相关数据。
贷方可以做些什么来提高人工智能算法的公平性？
金融机构可以采取很多措施来使学习过程更加公平。需要仔细遵循这些步骤以减少偏差。
贷方需要考虑的最重要的事情是他们不能过于依赖之前的贷款决定。过去，妇女和少数族裔经常被拒绝贷款。这意味着贷方在查看这些保护类别中的潜在借款人时，可以使用较小的数据样本进行评估。如果他们查看历史贷款数据，那么他们最终会做出不公平的假设，这些假设受到充满偏见的旧模型的影响。
这意味着需要重新制定精算贷款决策。他们必须消除考虑中的偏见，这意味着不要过分依赖历史贷款决策。
银行可能还必须修改历史数据以更符合更公平的结果。例如，一家金融机构发现，从历史上看，女性需要比男性多赚 30% 的收入才有资格获得相同的贷款。通过使用乘数调整女性申请人的收入，他们能够使贷款决策更加公平。
汤森表示，在开发出看似中立的算法后，贷款过程中仍有可能出现不平等。然而，这仍将是一个好的开始。该计划可以不断修改，以反映对更大公平性的需求。
