拒绝白人与亚洲人同框，Meta图像生成器的「歧视」，被人挖出来了

刘海明

【案例】
8 v; u# M: x/ A0 I$ M- a

拒绝白人与亚洲人同框，Meta图像生成器的「歧视」，被人挖出来了   

AI 生成工具的偏见何时休？

1 g! `8 R3 |3 L+ r

在人工智能构筑的世界中，AI 有时会像人一样存在着某种偏见或倾向性。比如对于大语言模型而言，由于训练数据的影响会不可避免地存在性别偏见、种族刻板印象，等等。

! i# b& x. }; F& X* P$ o1 U4 ?

当然，这种偏见或倾向性在图像生成工具中同样存在。今年 2 月，谷歌 Gemini 被曝出拒绝在图像中描绘白人，生成大量违背基本事实（性别、种族、宗教等）的图片。

9 u* {/ v& _  g

马斯克也被系统过分矫正了

近日，外媒 The Verge 的一篇文章指出，Meta 的 AI 图像生成器无法准确生成「亚洲男性和白人妻子」或者「亚洲女性和白人丈夫」这类图像，让人大跌眼镜。我们来看看怎么回事。

6 \; @6 ]6 s0 t2 V

The Verge 尝试使用了「Asian man and Caucasian friend」（亚洲男性和白人朋友）、「Asian man and white wife」（亚洲男性和白人妻子）和「Asian woman and Caucasian husband」（亚洲女性和白人丈夫）等 prompt，让 Meta 图像生成器生成对应的图像。

结果发现，Meta 图像生成器在多数情况下无法遵照 prompt 来生成图像，暴露出了它的某种偏见。

: r+ j  [" R6 l: E

图源：Mia Sato/The Verge

不仅如此，调整文本 prompt 似乎也没有多大帮助。

当输入「Asian man and white woman smiling with a dog」（亚洲男性和白人女性带着狗微笑）时，Meta 图像生成器给出的都是「两个亚洲人」的图像。即使将「white」改为「Caucasian」时，结果同样如此。

机器之心自测图像

当输入「Asian man and Caucasian woman on wedding day」（婚礼上的亚洲男性和白人女性）时，生成的依然是两个亚洲人。

婚礼上的亚洲男人和白人女人。图源：Mia Sato/The Verge

$ B* D# G4 E( w6 k2 w: Y

当输入「Asian man with Caucasian friend」（亚洲男性和白人朋友）或「Asian woman and white friend」（亚洲女性和白人朋友）时， 生成的大多数图像仍是两个亚洲人形象。

& C# O( A! Q2 V7 n

自测图像

' g' U. m6 U" I) J4 F

当输入「Asian woman with Black friend」（亚洲女性和黑人朋友）时，Meta 图像生成器仍是两名亚洲女性。但当将 prompt 调整为「Asian woman with African American friend」（亚洲女性和非裔美国朋友），结果反而准确得多。

) ~3 y" u# n, O3 L3 O% W- u+ H

自测图像

, X3 U4 ~; _# q6 P* a

此外，当指定南亚人时，Meta 图像生成器的结果变化也不太大。当输入「South Asian man with Caucasian wife」（南亚男性和白人妻子）时，大多数时候是两个印度人形象。该工具还有刻板印象，在没有要求的情况下，生成的南亚女性往往会穿戴纱丽。

自测图像

0 Q7 z1 u! M6 D$ S; X5 O4 B  ^

一番测试发现，Meta 图像生成器无法想象亚洲人与白人「同框」，这样的结果令人震惊。其中，该工具始终将亚洲女性或男性描绘为肤色浅的东亚人，尽管印度已经成为世界上人口最多的国家。在没有明确提示的情况下，该工具还会添加特定文化服饰。

最后，机器之心使用类似的 prompt 验证了 The Verge 的结果，对于 prompt「亚洲女性和白人丈夫」，生成的 10 张图像中，只有 3 张图像准确还原。

" M4 T# Z% ~7 l- G& [

输入 prompt「asian man and caucasian wife」（亚洲男性和白人妻子），结果更离谱，生成的 8 张图像没有一张还原。

其实，这并不是 Meta 的图像生成工具第一次被曝出问题了。去年 10 月，Meta 的 AI 生成贴纸工具创建了大量不恰当的图片，比如童兵、持枪和拿刀的米老鼠等暴力、粗鲁、裸露形象。

图源：arstechnica and meta

此次，Meta 图像生成器再次让我们警醒 AI 系统创建者、训练者以及所用数据集可能存在的偏见和刻板印象。

. `- M5 C4 g6 _/ j6 Q( E7 c

对于 The Verge 发现的这一现象，有网友分析称，这是 Meta 在训练的时候没有喂给模型关于这一场景足够的示例。

你觉得呢？

原文链接：https://www.theverge.com/2024/4/ ... asian-people-racism

/ L/ Y. V. G9 k/ Q8 W$ O& ?

来源：机器之心（公众号）
7 P; q7 o# {* u- Q链接：https://mp.weixin.qq.com/s/eUhOxh5qlGQHOGqgPgFqPQ
编辑：李梦瑶
: I2 u! l/ d; N; u. \

( }$ R$ H, V7 j$ A# G
: C0 \- n+ c# z3 v" D7 l
' A# V- Y8 c2 M0 Z/ p4 Q