【案例】" Q$ N! h0 A7 O/ S+ l2 q+ D
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 + i- j# A2 X1 R7 m7 M. t
AI 生成工具的偏见何时休?+ R6 p- t y% Y' |0 b J5 K
; O# M: K+ C7 Q/ f. ~) n
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。 3 j+ C* E$ i; |; ]2 @3 ?# c& O0 v9 y& ~
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。
1 O9 @8 V$ G4 l4 Z马斯克也被系统过分矫正了
5 E2 Q4 ~( f8 ~. X4 C4 Q+ A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。 2 o9 A; H. I! U3 G2 `
* O, n8 F. q* O- w5 R. l! d8 Y: ^5 E
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。 ( c1 Q+ e" c# r
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。 . G1 f. w3 f* d+ P
图源:Mia Sato/The Verge # f# `1 r' N* b: j- y3 o% `
不仅如此,调整文本 prompt 似乎也没有多大帮助。
7 O/ e, C; {$ D4 N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。
2 ]1 ~' d# G; O! x) j机器之心自测图像
" S$ { i' ?5 J& B6 S7 `, Z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。 8 M4 o: c T. i; x; @
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 7 O) |9 z$ p% j3 a) d( L
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。
1 d$ W/ d& H9 S! }. x) P" b; p4 W+ A
自测图像 ; {" u, ~( x" x
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。
/ P A3 D3 t2 `( I
: b- `. e& K' j% [9 B! J' o/ v$ T+ v" `* ~) F4 ?
自测图像
; {" T. G( W% s- c4 S3 Z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。 9 o, _2 _. y3 t3 z I. ~6 m- ~
; T( `+ ~- C+ G& ^, p. j自测图像
! ` M& u3 Z* j* p$ j: {7 h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。
7 q% H2 A+ `! ]1 e0 \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。
0 y. M7 d8 R; k! P# b) _9 ]2 @$ k, s3 }$ s* ^
+ Z$ Z- r' |3 _/ B& W
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。
6 C1 V7 i/ e2 C, O/ ^1 R
9 w7 p2 G; V4 O9 e3 K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。 0 ^7 H4 ^. g7 W8 X& l
图源:arstechnica and meta ( C& X, l3 h" ]* B* u! \" Q! ~" w& I
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。 8 @* s6 H( r5 \5 V" I! p0 m. B
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。
, s; |) c1 Z. S5 m; l; M+ M" |- @$ t' M8 ~# }0 @5 m
你觉得呢?
4 Z; Q- }6 R3 o$ M) l+ O
& T+ \1 m8 B! d0 ^$ [8 m" O7 s: k0 X
0 G$ r$ g# s$ D, m$ m* \2 Q
$ _$ H5 I4 Z f F
6 W# P9 v& x+ t' g/ N x9 A7 O+ ] [ q& l8 d1 ?3 r2 m5 J+ X
|