【案例】0 m$ o" k% p! ^
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 / F9 ]3 `6 z2 \4 q0 \9 F
AI 生成工具的偏见何时休?0 B6 \" ^; q$ \7 O: G4 b4 h) P
/ e' B4 K K2 W/ s/ F$ n7 o; H$ G" l
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。 ! j1 r) ]8 Z/ k& ?5 `# s
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。 5 t! ^) {& h7 Q: h& B0 n! |; ^$ C
马斯克也被系统过分矫正了 * n; X( v ]# ^: `/ R
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 `% C! C+ b$ S( C8 ^
/ B1 T6 V$ ]/ rThe 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。 3 {4 z& m2 Q$ w
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。 & l4 b3 }5 h2 F8 F
图源:Mia Sato/The Verge a9 D) q4 n i' `! b$ _
不仅如此,调整文本 prompt 似乎也没有多大帮助。 ' F5 i. w5 d6 F
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 P/ M: n: O! F$ o# q) s机器之心自测图像 9 R3 L3 s4 j, D' ~* k1 ?2 X
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。
# T& K) Z6 T! J# K婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge . ~2 `" [. {' x7 }0 q# Q
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。
9 v9 |# S$ f/ z+ C& i4 T. c7 ~3 M& D* F+ p# `6 @
自测图像
+ Y9 Z- a* f K W8 b: B! w8 m/ M) I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。 ! T6 P; }' G8 M) r k
6 P- f9 U* ~2 O* S. d; g7 k3 m, j2 p
E% R3 D- t9 E$ |) S# |2 k0 T自测图像
, F2 k% y: X6 J, |2 D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。 / e! @: C1 F4 J' z2 G& X
1 m* y# W2 d! V% [3 e; |: J
自测图像 0 ?( k" j, Y; K w
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。 " @: ~6 C4 T0 A4 i2 m9 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。
% e9 M- H! [8 ^$ p5 f |3 [) Q6 z7 |/ c0 Q9 p1 S
# f) N# S% Q/ m) H. U `9 f/ |
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。
5 l! V* v; A. i) Q& u: A
! E% J; K" e E% D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。
: s2 _( E- p3 l3 @! U' y6 g7 c图源:arstechnica and meta
. X' p# J: r6 k& J: Z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。
5 l# C) y$ P! N& J+ k) @( J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。 , i C: ^( Q- r
0 p$ ?$ t' H0 M0 J
你觉得呢?
9 E2 [8 G$ L: j: O q6 V6 a& Q6 R1 l* `6 M! K# S+ i
1 T& X3 b0 e$ }" @, j6 ?
: ]/ z" }& J* E* ^( n; ?: C
. p( |9 C* w6 n v, A' Y
8 R; @5 t( _: J/ H9 Q/ k; l2 }$ S% v2 H; a
|