【案例】
b* k0 p' \; X: r; h2 i% t 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 7 W: `! p) J3 d6 O/ y
AI 生成工具的偏见何时休?' K/ v6 s9 r! z. m
: }" k T9 U }9 s0 B+ I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。
0 F6 x o% f& m5 [) ~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。
; h8 n% X. f1 }! t* O, a, g. A马斯克也被系统过分矫正了
1 m, D/ r& g0 H" C2 I: b) o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。 8 M9 T. }& a" q- F( U
2 t5 H _' \# 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。
; s0 O/ ^6 I/ a9 G: p3 E5 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。
% W B5 F" }3 b' o0 n) O图源:Mia Sato/The Verge
/ y, d- s k7 k; r2 g* q不仅如此,调整文本 prompt 似乎也没有多大帮助。 7 _# `/ X! D$ A+ | [+ 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。 , G+ g. H2 f6 a! q7 H( Z1 L% b# L' U
机器之心自测图像 . k/ B+ o) c$ g' ~
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。 ; y5 m3 {- c" ^8 G" p7 N) K
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge - E8 X* G. {. Q& p- \ P0 b
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。 ' U8 z* T+ B0 ~( f* y2 M2 ]
; |( n) u0 h* F4 j$ D& V自测图像 # n# ~4 j7 v" @
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。
7 U0 L$ X4 _4 U5 |( I B. C2 g% e# R* X$ p
( Z# c- f6 J& k! n8 D' w# n
自测图像 , r) q& I4 O) I( Z) s' v/ K
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。 6 ?; s/ g# u7 l d4 j' Q
6 s/ Y* q8 G) X, b+ f自测图像 ; v$ @8 `. u! \; r/ V! j
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。
2 Q) i& N3 [2 O# A0 Q7 L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。
2 D2 H: p0 d9 R" y Z% {! r+ }+ R Y/ T4 G6 W; o
4 C( ?& K- [* C, K% z4 |4 A0 ~# 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。 & ~3 M6 O2 c: e' {& K1 N1 T6 y
' U: e4 D0 e- B1 T& W$ I) O. ~0 b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。 $ [5 }6 ~7 ?( [5 a4 i7 |
图源:arstechnica and meta
9 N! b: _2 l- }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。
' x2 ]1 K- x/ X! l+ B& q: i; Z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。 o+ o2 d+ z) L c
8 D: m4 J/ H# C
你觉得呢?
4 [) l! [6 M; {7 J" M/ C( \: Z/ w6 E; e5 s2 {
8 H: F3 @# ]% O# ^
, f; {6 l8 V0 ?
5 @6 a% K" a! N. G1 w: I; H) H0 H. |& \# B0 ?# m8 P
# }/ K) x8 N) S t, p |