作成者別アーカイブ: nad00251

IBMはAIのロジックを可視化するクラウドを投入、Explainable AIで信頼できるAIモデルを構築

銀行や保険会社はAIを導入しプロセスを自動化する試みを進めている。しかし、AIのロジックはブラックボックスで、意思決定の仕組みが見えない。動作メカニズムが解明されない限り、AIを会社業務に導入できない。IBMはこの問題を解決するために最新のExplainable AIをクラウドで投入した。

出典: IBM

コールセンター

IBMはWatsonをベースとしたAIモデルを企業システムに展開している。その中で人気が高いのがAIコールセンターで、チャットボットがオペレーターに代わり電話を受ける。英国の大手銀行Royal Bank of Scotlandはチャットボット「Cora」を開発し、コールセンターで運用している。Coraは200以上の質問に対し1000通りの回答をすることができ、コールセンターの仮想オペレーターとして利用されている。Coraは進化を続け、次は顧客のファイナンシャルアドバイザーとしての展開が計画されている。

納税書類作成

米国の大手会計事務所H&R BlockはIBM Watsonを利用して納税申告書作成プロセスを最適化した(下の写真)。H&R Block社員が顧客と対面して申告書を作成する際に、Watsonが会話を理解して税金控除(Tax CreditsとTax Deductions)を提言する。米国の税制は複雑で法令は74,000ページに及び、毎年改定される。H&R Blockはこの法令と社員のノウハウでWatsonを教育し、AIが節税のポイントを発見する。

出典: IBM

データ保護規制へのコンプライアンス

カナダの大手情報会社Thomson ReutersはEU一般データ保護規則(General Data Protection Regulation)など準拠するため、AIツール「Data Privacy Advisor」をIBM Watsonで開発した。これは社内のコンサルタント向けのツールで、普通の言語で質問するとツールは言葉で回答を提示する。Thomson ReutersとIBMはデータ保護規則だけでなく、コンサルタントのノウハウでWatsonを教育した。GDPRなどデータ保護法が強化され、企業はマニュアルでの対応に限界を感じAIツールの開発に踏み切った。

AIの説明責任

企業は業務処理でAIを導入するが、そのアルゴリズムはブラックボックスで、重要な処理をAIに任せることができない。また、AIモデルを運用中に問題が発生すると、これを検知するメカニズムが必要となる。更に、問題の原因を突き止め、AIモデルを修正する機能も求められる。業務で使うAIには意思決定のロジックを分かりやすく説明する機能が必須となる。

OpenScaleを発表

市場からExplainable AIに対する要望が高まり、IBMはAIのブラックボックスを解明するクラウド「OpenScale」を発表した。OpenScaleは企業が運用するAIと連携して稼働し、AIモデルの処理プロセスを解明し、アルゴリズムの問題点を指摘する。また、OpenScaleは問題点を指摘するだけでなく、その対応策を提言する機能も有す。OpenScaleはIBM Cloudで提供され、企業が開発したAIモデルと連携して稼働する構造となる。

システム概要

OpenScaleはIBM ResearchとWatsonグループにより開発された。OpenScaleはAIの信頼性を増し、ロジックを明らかにすることを目的に設計された。具体的には、AIモデルに説明責任(explainability)、公平性(fairness)、ライフサイクル管理(lineage)の機能を付加する。OpenScaleは主要AI開発プラットフォームと連携して稼働し、Watson、Tensorflow、SparkML、AWS SageMaker、 AzureMLをサポートする。

バイアスの検知

OpenScaleは業務で稼働しているAIモデルを解析し、「Accuracy(判定精度)」と「Fairness(公平性)」を査定する。下の写真は自動車保険のAIモデルを解析した事例で、どこに問題点があるかを表示している。それぞれのタイルはAIモデルで、自動車保険業務で8つのモジュールが稼働している。これらAIモデルを解析し、OpenScaleはAccuracyとFairnessに関する問題(紫色のハッシュの部分)を指摘している。更に、タイル上部に赤文字で「Bias」と表示される。

出典: IBM

バイアスの原因

この指摘に従ってAIモデルをドリルダウンして判定のメカニズムを見ることができる。例えば「Claim Approval」というAIモデルをクリックすると、自動車保険の保険金請求に関する問題点が可視化される(下の写真)。ここにはAIモデルを教育したときのデータ構成が示されている。横軸が年齢で縦軸がデータ件数を示す。OpenScaleは24歳未満の加入者が公正に扱われていないと指摘する。この原因は教育データの数が不足しているためで、24歳未満の加入者のデータを追加してAIモデルを再教育する必要があることが分かる。

バイアスの説明

更に、OpenScaleは過去のトランザクションでAIモデルが判定した理由を説明する機能もある。自動車保険の保険金請求において、実際のトランザクションのデータをOpenScaleで解析することで、判定理由が示される。具体的には、保険金申請が認められなかった場合には、その理由が示される。実際、保険金請求処理で申請が認められなかった場合は、顧客にこの理由を説明することが法令で義務付けられており、OpenScaleを使うことで法令に順守できる。

出典: IBM

AIプラットフォーマーとなる

OpenScaleを投入したことは、IBMはAIのシステムインテグレータになることを表明したとも解釈できる。AI開発で遅れを取っているIBMであるが、オープンなアプローチででAIモデルを安全に稼働させるプラットフォーマーになる戦略を進めている。Googleを筆頭にシリコンバレーで怖いほどのAIが生み出されるが、東海岸の代表企業IBMは無秩序に増殖するAIを管理運営することをミッションとする。激しく進化するAIを企業が業務で安心して使えるための技術開発がIBMの新たな使命となる。

GANは極めて精巧なフェイクイメージを生成、作画メカニズムが分かりExplainable AIの研究が進展

AIは社会生活に多大な恩恵をもたらすが、その中身はブラックボックスで処理のプロセスが見えない。このためAIを安心して利用することができず、普及の足かせになっている。今年は説明責任を果たせるAIの研究が進む年となる。MITの研究チームはGenerative Adversarial Network (GAN)のアルゴリズムを解明し、AIの思考プロセスを明らかにした。

出典: Karras et al. (2017)

フェイクのセレブ

GANは写真撮影したように架空のオブジェクトをリアルに描き出すことで注目を受けている。例えば、セレブの写真をGANに入力しネットワークを教育すると、アルゴリズムは仮想のセレブを描き出す(上の写真)。どこかで見かけた顔のように思えるがこれらは実在の人物ではない。GANがセレブというコンセプトを学び想像で描いたもので、これらのイメージを検索しても該当する人物はでてこない。リアルとフェイクを見分けることができずGANに対して気味悪さを感じるが、AI研究の主要テーマとなっている。

AIアートが高値で売れる

GANが芸術作品を生み出し、それが高値で落札されたことで、一躍その手法に関心が集まった。フランスのAI芸術家集団「Obvious」はGANで絵画を生成する手法で芸術の普及に貢献している。その代表作「Edmond De Belamy」がChristie’sのオークションで$435,000で落札された(下の写真)。AIが生成した絵画に高値が付き市場を驚かせた。作品はある家族(Belamy Family)を描いたもので11点が制作され、その一点がこのEdmond De Belamy である。

出典: Christie’s

AIアートの著作権

AIが描いた絵画にどれだけの芸術的価値があるかが議論になっているが、同時に、AIが制作した作品の著作権は誰に帰属するかも問題となっている。このAIアートを制作したのはObvious社で、GANに古典的な肖像画15,000点を読み込ませアルゴリズムを教育した。GANは肖像画というコンセプトを学びアルゴリズムは新しい作品を創作した。

アルゴリズム開発者か利用者か

Obvious社が使用したGANはRobbie Barratという人物が開発し、オープンソースとしてGitHubに登録されている。誰でも自由にこのGANを使うことができるが、Obvious社はGAN開発者には触れず、ルール違反が指摘されている。そもそも、生成された絵画の著作権はアルゴリズム開発者にあるのか、それともアルゴリズム利用者にあるのか、議論となっている。

MIT-IBM Watson AI Lab

GANに関する多くの問題が未解決であるが、時代を変える技術として注目されている。また、GANのアルゴリズムはブラックボックスで、作画の仕組みを解明する動きが広がっている。MITの研究グループ「MIT-IBM Watson AI Lab」はGANのアルゴリズムの解明を進め、GANの思考メカニズムを明らかにした。GANはどのように学習し、どのように判断するかが特定でき、この研究がAIのブラックボックスを解明する大きな第一歩となった。

研究成果

研究成果は「GAN Dissection: Visualizing and Understanding Generative Adversarial Networks」として発表された。この研究でGANがオブジェクトを把握するメカニズムを解析し、それを可視化して示した。具体的には、ニューラルネットワークの中で、どのレイヤーのどのニューロン(ユニットと呼ぶ)が特定のオブジェクト(木や雲など)の生成に関係しているかを突き止めた。

ユニットの機能をオン・オフ

更に、特定したユニットの機能をオン・オフさせ、その効果を検証した。特定のユニットの機能を停止させることで、オブジェクトを取り去ることができることを示した。反対に、そのユニットの機能を強化することで、オブジェクトを追加できることも示した。(下の写真がその事例、左端がオリジナルのイメージで、木に関連するユニットの機能をオフ・オンすることで、木を削除(中央)したり、追加(右端)できる。)

出典: MIT-IBM Watson AI Lab

アルゴリズムは常識を学ぶ

特定されたユニットはオブジェクトを生成するだけでなく、オブジェクトに関する常識も学んでいる。例えば、ドアを追加する際には、建物のスタイルにマッチしたドアを生成する。更に、ドアを建物以外のオブジェクト(例えば空)に追加しようとしても、アルゴリズムはこれを拒否する(下の写真)。アルゴリズムは教育の過程で人間のように常識を得ることが示された。

出典: MIT-IBM Watson AI Lab  

応用事例

この技法を使うとイメージを容易に変更することができる。ユニットと家具や人物の関係を把握することで、イメージの品質を向上することができる。例えば、GANが生成した寝室(下の写真、左側上段)から家具や小物を削除することで綺麗なイメージ(下の写真、左側下段)が出来上がる。また、GANが生成した会議室(下の写真、右側上段)から人物や窓を取り除き新しいイメージの会議室(下の写真、右側下段)を生成できる。これらはピクセルを変換するのではなく、ニューラルネットワークの特定ユニットを操作することでイメージを変換する。

出典: David Bau et al

Explainable AIの研究が進展

このようにニューラルネットワークのユニットを操作することで、アルゴリズムがイメージを生成する仕組みの解明につながる。ニューラルネットワークは学習を積むことで、特定のオブジェクトを描くユニットを構成することが分かった。ドアを描くニューロンのグループを形成し、このユニットはドアの意味も理解し、背景にマッチしたドアを描く。高値で売れるAIアートを生成するアリゴリズムの開発に結び付くのか、ブラックボックスに光があたり、Explainable AIの研究が進み始めた。

アマゾン創業者Jeff Bezos氏が離婚、会社経営はどうなる？クラウド開発は続くのか？

コメントを残す

アマゾン創業者のJeff Bezos氏は２５年間連れ添ったMacKenzie Bezos氏と離婚することを発表した。Jeff Bezosはアマゾン株式の１６％を保有し、資産総額は1370憶ドル(約15兆円)といわれている。離婚により資産の半分はMacKenzie Bezos氏に渡ることとなり、Jeff Bezos氏は個人資産トップの座をMicrosoft創業者Bill Gates氏に譲ることになる。

出典: Seattle Times

会社経営への影響

テレビやマスコミはBezos氏の離婚をセンセーショナルに伝えるが、ITの観点からはアマゾンの会社経営がどう影響を受けるかが懸念材料となる。アマゾンクラウドはこのまま進化を続けるのか、また、宇宙開発事業は予算が縮小されるのか、会社の行く末が不透明になってきた。

アマゾン株式の分与

離婚という個人的な出来事がIT業界に影響を及ぼすのはJeff Bezos氏がアマゾンの大株主であるため。Jeff Bezos氏は上述の通り、アマゾン株式の16％を保有している。離婚によりこの半分がMacKenzie　Bezos氏に渡ることになり、その額は1370憶ドルの半分の675憶ドルとなる。

離婚の条件

Jeff Bezos氏はワシントン州に居住しており、ここで離婚手続きを進めることになる。ワシントン州は「Community Property」という概念を導入している。これは結婚してから形成した財産は夫婦の共有資産（Community Property）になるという考え方で、法令で規定されている。Jeff Bezos氏はMacKenzie Bezos氏と結婚してからアマゾンを創業し今日の資産を築いた。会社創業時にはMacKenzie Bezosが社員として働いていた。Community Propertyを適用することでJeff Bezos氏が所有している資産はMacKenzie Bezos氏との共有財産と認定される。

特別な取り決め

ただ、離婚する両者の間に特別な取り決めがあればこの限りではない。取り決めとは婚前契約(Prenuptial Agreement)を指し、結婚したりパートナーになるときに事前に条件を契約として規定するもの。離婚した際の財産の分割方法や生活費支援などを定める。米国では著名人が結婚する際の定番プロセスであるが、Jeff Bezos氏は婚前契約はないと報道されている。25年前、オンラインで書籍の販売を始め、その当時のJeff Bezos氏の所持金は4万ドルといわれている。

何らかの契約

また、米国には婚後契約(Postnuptial Agreement)という取り決めもある。これは、結婚したりパートナーとなった後で、離婚した際の財産の分割方法を決めるもので、今回の離婚でこの契約があるかどうかは明らかになっていない。この契約がなくても、世界一の富豪が離婚するので、両者の間で何らかの合意が形成され、この発表に至ったという見方が有力である。

アマゾン社をコントロール

MacKenzie Bezos氏がアマゾン株式の何パーセントを取得するのかは証券取引委員会への報告書類を待つしかないが、多くの部分がMacKenzie Bezos氏にわたるという見方もある。つまり、MacKenzie Bezos氏がJeff Bezos氏に次ぐ大株主となり、会社経営についての発言力を持つ。アマゾンクラウドやオンライン販売の経営方法について意見を述べ、会社の方針を変えることも可能となる。人気のAIスピーカーAmazon Echoの開発方針などに影響する可能性も否定できない。

出典: Google Street View

Bezos Expeditions

しかし、MacKenzie Bezos氏は小説家でアマゾンの会社経営には関心が薄いとの見方がある。MacKenzie Bezos氏はアマゾンの株式ではなく、現金やそれに相当する資産を受け取る可能性が高いとされる。実は、Jeff Bezos氏は個人で多彩な事業を展開している。「Bezos Expeditions」という会社を設立し、ここでベンチャーキャピタルから宇宙開発までを手掛けている。この事業の一部がMacKenzie Bezos氏に移譲されるとの見方が有力である。

ベンチャーキャピタル

Jeff Bezos氏はAmazon.comとは別に、個人が有望と考える企業にBezos Expeditionsを通じて投資している。テーマに沿って投資するというスタイルではなく、投資先は幅が広い。その中でも、ブレークスルーが期待できる企業や市場でトップになることが期待される企業に投資している。更に、世界を一変する革新的なヘルスケア技術への投資が目立つ。例えば、血液検査で早期ガンを検知する技術を開発しているGrailに100億ドル出資している。

Blue Origin

Jeff Bezosは宇宙開発に並々ならない情熱を注ぎ、これをライフワークとしている。このため、ロケット開発会社「Blue Origin」を設立し、宇宙旅行や衛星打ち上げの事業を展開している。Blue Originは人類が地球以外の惑星に移住するための技術を開発することをミッションとしている。移住した先で重工業を興し、地球上では軽工業だけに限定し、環境を保全するというアイディアを明らかにしている。

出典: Blue Origin

Washington Post

Jeff Bezos氏は2013年10月、Washington Postを2億５千万ドルで買収した。New York Timesに次ぐ名門新聞社であったがデジタル化の波で経営が悪化していた。買収した会社をテクノロジーで再生し経営を立て直した。新聞社を買収した理由は報道の自由を担保し住民に正確な情報を配信するためとしている。Washington Postはトランプ大統領に批判的で、このためJeff Bezos氏は政権から様々な圧力を受けている。

慈善活動

Jeff Bezos氏は世界長者番付のトップであるが、慈善活動ではほとんど活動実績がない。識者の間から、宇宙開発よりもまずは地球上での慈善活動を優先すべきとの声も聞かれる。Jeff Bezos氏は個人として慈善活動に関心が薄く、また知識も乏しい。Jeff Bezosは2017年6月、ことをTwitterで告白し、コミュニティに慈善活動のアイディアを求めた。このツイートから１年半がたつが、まだ際立った慈善活動は行われていない。

宇宙開発は続くのか

慈善活動に興味を示さないJeff Bezos氏に代わり、MacKenzie Bezosしがこのミッションを引き継ぐとの見方もある。女性のセンスで慈善活動を展開することに期待が寄せられている。同時に、資金を拠出するために、Jeff Bezos氏は個人で運営している事業を売却することも考えられる。Blue Originは宇宙開発を継続できるのか市場が注目している。

GoogleはHome Hubの出荷を開始、AIスピーカーがAIタブレットに進化

コメントを残す

Googleはディスプレイ付きAIスピーカー「Google Home Hub」の販売を開始した。早速使ってみたがAIスピーカーの新しい可能性を感じる。GoogleはHome Hubをスマートホームを管理するハブと位置付けている。Home HubはAIタブレットという印象で、AIアシスタントが次の次元にアップグレードされたことを感じる。

出典: VentureClef

マクロコマンド

Home Hubに「おはよう」と語りかけると、一日の予定をブリーフィングする。天気予報に始まり、今日のスケジュールや道路の渋滞情報をディスプレイに示す(下の写真)。また、ニュースを登録しておくと、それらが順次ディスプレイで再生される。これは「Routines」という機能で、一言指示すると、登録している複数のコマンドが順次実行される。

出典: VentureClef

ニュース

当初、ニュースはポッドキャスト(音声配信)であったが、今ではビデオ形式に進化した。朝食を食べながらHome Hubで最新ニュースを見るのが日課となった。ニュースの種類も大幅に増えた。CNNなど大手メディアから(下の写真)、地元サンフランシスコのテレビ局のニュースも配信される。CNBCはビジネスに、TechCrunchはテクノロジーに特化したニュースを配信する。

出典: VentureClef

コントロール

Home Hubは名前が示す通り、スマートホームのハブで、家の中のデバイスを制御する(下の写真)。インターフェイスはタッチで、画面のアイコンに触って操作する。「Lights」はスマートライトを制御する機能で、電灯をオンオフしたり、光量を変えることができる。「Broadcast」を使うとHome Hubがインターコムになり、他のHomeと通話できる。「Camera」にタッチすると玄関先のビデオ画像が配信される。

出典: VentureClef

調理方法

Home Hubに質問すると回答をディスプレイでビジュアルに表示する。Home Hubをキッチンに置いているので、調理方法を質問することが多い。例えば、野菜の煮込み料理「ラタトゥイユ」の作り方を聞くとそのレシピをステップごとに示す。また、パイナップルの皮のむき方を尋ねると、ビデオでそれを表示する(下の写真)。ここではアプリ「Allrecipes」が使われている。

出典: VentureClef

検索

会話の中で議論となったことをHome Hubに尋ねると、ディスプレイにその答えが示される。女優Ariana Grandeのアイメイク「Cat Eye」について尋ねると、メイクの手順がYouTubeに示される。また、話題のお菓子「Unicorn Cake」とは何かと尋ねると、その写真がディスプレイに示される(下の写真)。スマホを取り出さなくても手軽に回答を得ることができるし、その結果をみんなで見ることができる。

出典: VentureClef

音楽

Homeと同様に、Home HubでGoogle MusicやPandoraなど音楽配信サービスを通して音楽を聴くことができる。ディスプレイには演奏中の音楽のタイトルやアーティストの名前が示される(下の写真)。今まではAIスピーカーからテレビに音楽を配信して聴いていた。このために配信デバイス「Chromecast」が必要で、これをテレビに装着する。Home HubではChromecastは不要で、そのまま手軽に音楽やビデオを再生できる。

出典: VentureClef

Ambient Mode

Home Hubを使っていないときはディスプレイがアートギャラリーになり作品が表示される。ここには名画の他に、印象的な写真やストリートアートが表示される(下の写真)。また、「Fullscreen Clock」を選ぶと、スクリーン全体が時計になる。ディスプレイの輝度は周りの光量に応じて自動で調整される。夜になり周りが暗くなると自動でスリープモードとなり、デジタル時計が表示される。

出典: VentureClef

写真アルバム

Home Hubで便利な機能が撮影した写真を表示できること。Ambient Modeで「Google Photos」を選択すると写真アルバムが表示される。「Family & Friends」のオプションを選択すると家族や友人やペットが写った写真を表示する。音声で指示するとその写真を表示することもできる。例えば「サンフランシスコで撮った写真」と指示すると、それらが画面に表示される(下の写真)。

出典: VentureClef

監視カメラ

Home Hubは監視カメラと連携し、玄関先の様子をストリーミングする。ドアベル「Nest Hello」と連携すると、チャイムが押されると自動で玄関先のビデオ画像を表示する(下の写真)。ビデオで来訪者を確認してドアを開けることができるので安心感が格段に向上する。ちなみに、知人が訪ねてくるとHome Hubは来訪者の名前を告げる。

出典: VentureClef

タッチか言葉か

GoogleはHome Hubをスマートホームを制御するデバイスと位置付ける。操作はタッチインターフェイスで画面に触りながら操作する。実際に使ってみるとタッチより言葉のほうが便利で、Home Hubへの指示はほとんど言葉でする。つまり、Home Hubをハブとしてでなく、AIディスプレイとして利用している。ちなみに、指示した言葉はディスプレイに示され(下の写真)、どう聞こえているかが分かり会話がしっくりくる。

出典: VentureClef

競争が激化

ディスプレイ付きAIスピーカーは対話が言葉だけでなく、グラフィカルに示され、コミュニケーションの質がリッチになる。この市場ではAmazonが先駆者で2017年6月に「Echo Show」を出荷。Facebookは2018年11月、AIスピーカー「Portal」を投入したが、ここにはディスプレイが付いている。AIスピーカーはAIタブレットに進化を遂げ、この市場で競合が激しくなっている。

AI融資審査はブラックボックスで安全に使えない、いま判定結果を説明できるExplainable AIが登場

コメントを残す

AIで融資を審査する手法は銀行業務を自動化する切り札として注目されている。しかし、金融機関はAI融資審査の導入をためらっている。これはアルゴリズムがブラックボックスで、審査したロジックが明らかでなく、銀行は消費者に判定理由を説明でいないため。いま融資審査の内容を説明できるAIが登場し注目を集めている。

出典: Google

説明できるAI融資審査

ZestFinanceはロサンジェルスに拠点を置くベンチャー企業で、融資サービスのAIプラットフォームを開発している(上の写真)。この製品は「Zest Automated Machine Learning (ZAML)」と呼ばれ、融資申込者のリスクを機械学習の手法で査定する。ZAMLの特長はアルゴリズムが導いた結果を説明できること。これは一般に「Explainable AI（説明できるAI）」と呼ばれ、政府法令に準拠してAIが融資審査を実行する。

融資審査と説明責任

機械学習モデルを使うと融資判定を高精度に実施できるが、この手法はAIが抱える根本的な問題を抱えている。これはAIがブラックボックスであることで、機械学習モデルは審査結果を説明できない。融資審査では応募者がローンを受けることができなかった場合、その理由の説明が求められる。また、金融機関はアルゴリズムが法令に準拠していることを立証する責任がある。これらの要件を満たすことができないため、金融機関はAI融資審査の導入を敬遠している。

融資審査で問題発生

実際に、機械学習による融資審査で問題が発生している。アルゴリズムは人種や性別にバイアスしている事例が数多く報告されている。アルゴリズムは黒人など特定人種に対し評価が厳しいケースが多く、AIの公正さが問われている。金融機関が意図的に特定人種を締め出すことを意図しているのではなく、アルゴリズムの判定方式が不透明なため起きているケースが多い。

Explainable AIの機能

これに対してZAMLは融資審査結果のプロセスを説明することができる。ただし、ZestFinanceはその詳細を公表していないが、Explainable AIを使うと、モデルが特定の判断を下したとき、そのイベントが起こる確率を計算するとともに、その判定と入力データの関係を示す。例えば、融資審査で不合格となった場合(イベントの発生確率が低い)、申込者の入力データ(信用履歴など)を出力する。

潜在需要を掘り起こす

更に、ZAMLは機械学習の手法でクレジットスコアーは低いが返済能力のある応募者を見つけ出す。ZAMLは応募者を数百から数千の変数で定義しクレジットリスクを査定する。従来手法では融資を受けることができなかったグループを解析しリスクを再評価する。(下のグラフィック、現行方式の査定でリスクが高いと判定された応募者をZAMLで再評価するとリスクが低い応募者が数多くいるのが分かる。これらのグループが新規顧客となる。)

出典: ZestFinance  

現行の融資審査方法

ちなみに、現行の融資審査はFICOスコアーに従って応募者を１０ほどのグループに区分して可否を決める。FICOスコアーとは個人の信用度を示す指標で、支払い履歴、負債の状況、負債の種類などを入力して算定する。このためクレジット履歴のない応募者は融資を受けることができない。例えば、米国に移民したばかりの医師は、返済能力はあるが融資を受けることができない。

ZAMLシステム構成

ZAMLは融資審査のためのプラットフォームで、金融機関はこの上で機械学習モデルを生成し、自社で所有している顧客データを使ってモデルを最適化する。また、外部の信用調査会社のデータを使ってモデルを強化する。ZestFinanceはプラットフォームを提供するだけでなく、システムインテグレータとしてシステム開発を支援する。完成したモデルは性能を検証し、業務システムに組み込む。ZAMLはオンプレミスまたはクラウド上に展開され、金融機関が運用しているシステムと連携して稼働する。

Microsoftとの提携

ZestFinanceは2018年12月、Microsoftと共同で融資審査向けにZAMLを提供することを発表した。この提携によりMicrosoftの機械学習クラウド「Azure and Machine Learning Server」(下の写真)でZAMLを利用できる。金融機関はクラウドで機械学習モデルを容易に開発でき、法令に準拠したAI融資審査システムを運用できる。

出典: Microsoft  

AI融資審査の導入に弾みがつく

金融機関はAIによる融資審査を導入したいが、アルゴリズムがブラックボックスで、これを躊躇している。米国では4000万人がクレジット履歴が無くローンを受けることができない。ZAMLを使うと多くの消費者を救済でき、金融機関としても法令に準拠してAI融資事業を拡大できる。Explainable AIをMicrosoft Azureで使えるようになり、AI融資審査の導入に弾みがつくと期待されている。