【案例】
# s' n; N, K6 B 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
# l6 J& V+ v4 Z, b4 X! o3 PAI 生成工具的偏见何时休?" J+ h0 q( L, Z9 D4 ?* [& t4 {
7 l1 ~# }# r) P1 Q0 Z
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。 $ l! g9 n1 l% l0 n
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。 : l6 W- a8 |: j! Q% j
马斯克也被系统过分矫正了 6 C& B i/ U$ j/ f! [5 p ?
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。
j- @6 z$ g, J" B9 E0 b0 C8 y. K; t0 }
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。
; _; _& e1 @, I% R/ I' s) Q* l, X- G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。 ' V( w# f3 r% j& w/ R2 d, ~
图源:Mia Sato/The Verge
* c5 |1 B& Y3 \( w! J& W$ Q不仅如此,调整文本 prompt 似乎也没有多大帮助。 ! R! k! l" ^' [& I8 @1 j% }3 H1 ~4 r+ e
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。 ( w' M: U4 e: Q" n
机器之心自测图像 + @/ I& k4 h1 M+ t
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。 1 E0 p: P. h0 k5 z7 B
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
7 Y/ v5 w# D2 @3 ^9 {( c8 ]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。
! G) u: s7 C/ r% ~
0 N, q& G% v9 N9 \: ]/ L. ~自测图像 + K6 {" @, T0 q. T
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 p' K. t+ `: n9 b9 ~8 e
# g. E! H* ?0 C, ~) {3 S% R( G, ~% X2 y* S" m* O/ j) ~' p8 T
自测图像 , ^! a {+ m8 K8 @3 a4 s) 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。 & Y* w' r2 ]7 Y. \4 Y0 J
8 o6 E& P1 k: I2 U
自测图像
/ N( Q' w$ y- U- C# P. N! 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。
0 Y$ |7 t0 t& i% v) T/ `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。 & b \6 @7 H# w8 d* O
1 s7 Q& t; L4 s; y ~# n7 {6 y2 M: q/ H* i& Z, T1 `* V7 e: {; j
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。 / a. ~9 ^- V; a0 \# |
U& l: a. j$ n7 S6 V" _
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。 # p7 U _1 v+ O, k$ [+ v6 j7 b
图源:arstechnica and meta
: I' i9 p) n, z6 O g4 F2 y+ ^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。
4 B+ P$ G* @; R# G; Q: @* m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。
2 g y. E0 h, y) v4 D+ }1 R: d/ A
P; p( o7 x2 A! T- h9 l9 s8 d你觉得呢? ' R' \5 @. ]5 y
, E% v2 D( W1 Q) H/ s9 {; M. s" d/ v2 Q' Q0 {) i4 Z b
, y1 I& D+ ?6 M: X1 E# e- G
$ z: ]: Z u9 D6 E8 P& |
9 E; ?5 q' Q# N! ]
) N! _8 ?- G j6 F7 S) b# u
|