【案例】
8 |' `' I8 }7 X' r F 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 - [5 h% N& F5 s' _7 R: J
AI 生成工具的偏见何时休?3 O6 k \9 M7 R; ?1 {+ _/ C
) H3 c3 _, Y8 T* i* V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。
2 u5 ]! g3 F# t) F2 `2 Q) v5 f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。
/ T: b& |, J; ?6 [. ^. X! I* e) t马斯克也被系统过分矫正了
' ]6 d6 x& w( s/ J( T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。
5 M: v- S3 n' O" { [
' M1 T: g" s% Q4 t2 b- h5 a, bThe 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。
0 O0 L Q$ `9 D$ ~4 q* q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。 + M& Z& f8 ~4 H% ?# M0 E
图源:Mia Sato/The Verge
$ m" {" b3 ?+ u9 a: b不仅如此,调整文本 prompt 似乎也没有多大帮助。 9 W- b1 ^% ~; X9 N) H! z& e9 d
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。 / ?" P- q: e; X7 A! j8 y) \% L
机器之心自测图像
, e4 I* Z0 V0 Y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。 % J$ X$ F# u1 z! \; ]/ T+ P
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
$ S' P2 g3 m3 E. L9 |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。
! r' ]0 s: c$ z( C* O
5 m3 O* U4 v% y. Z a& P+ P自测图像
" [2 p' Z' x& m( l6 m) s+ w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。 0 H- u: J" J0 X
2 f1 c* `' I' Y' G# u5 v2 {4 P8 p
自测图像 # y4 b8 m" U, C
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。
# }5 ?8 Y& C- D9 N4 z g& v
& S+ O" F2 J8 h6 A自测图像
1 x0 {7 h6 ?. h6 {; i$ p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。
9 B" W0 a; n9 w9 T9 Y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。 - h" `+ @# l$ @: S# Q
; |, Y- w! N+ i/ ?# I4 b: ]% ^
$ z3 b9 y. n3 |1 k* c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。 * x7 U8 e1 U: q5 z$ D3 L) f
' R& u0 n2 |$ e2 B G* d0 W7 a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。 1 _0 X3 i0 h M) [
图源:arstechnica and meta + G$ Q4 }" s( M3 `2 T" @
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。 ( f5 j- d- K% Y6 }3 ~8 D
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。 6 Q, y3 X. L1 W
2 S' N7 s* ]6 G% P# u% F5 B4 N1 P你觉得呢?
0 l2 E2 [6 j. ?, E; U/ r2 X2 j1 c& m8 s. X! \( l. w) W5 H
, }7 Q- ]6 F. @( s! A o# f% t
! t. x( [" O+ G- b- O3 G
" f% _* c0 S* G+ j2 }! k( i
# W {0 f. U. i3 [" G5 [
$ _0 v, Y7 u& R8 H4 s |