【案例】% {8 N9 x7 G% Y7 M: c4 g: K* N
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
L: t# ]- b" {$ C( @( z4 TAI 生成工具的偏见何时休?; P9 Z4 H1 P0 Z
# `$ `* m: y2 D( x% F; u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。
: H8 q3 n! s$ g7 |* B0 P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。 , f, c0 q8 e8 X8 y, O
马斯克也被系统过分矫正了
8 j. [/ C' a5 V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。
$ I6 O+ Y C! H- d5 [! x5 r* ^ s+ p
: ]! T/ G$ D( m5 Y& s3 L& dThe 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。
4 x% c. E! r0 W7 d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& S7 |3 L) r/ I图源:Mia Sato/The Verge
6 y; Z' O J% L. B/ R4 O不仅如此,调整文本 prompt 似乎也没有多大帮助。 w' R k$ h( ~8 F8 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。 6 q& g, j; F% L1 |1 X3 U9 ]; |1 q
机器之心自测图像
% w( @4 {5 L' N4 i# p$ @7 i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。
9 Q W7 t" V# v婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
7 X) {, ]$ X# F. K) i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。
. l5 Y; ^: E( C
, w# q9 w2 i4 p1 R自测图像 / [ V g# ^! ~1 P! @% P
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。 1 J* W0 P6 ~2 U( q) a
/ Z7 U9 }& P/ b) s2 c* `
- g, d/ t" D; R Y
自测图像 % G7 M* w1 c N7 f6 _
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。
0 B* I3 d9 {1 c: n
) c# _5 P- ^! R; m自测图像 4 q5 i3 h, m% l
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。
% A6 O0 x% t0 L4 n" F3 O! P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。 # v2 G3 ]3 h6 U; M( r- z2 U
$ H% B7 \& d) ^! v
) D6 Q* z3 ]. }' n3 z. y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。 ! S: @: h$ R0 ~ C! O
" M4 N& y+ L" I, 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。
( r, O( Q# o7 P2 o4 W( ~图源:arstechnica and meta . ~5 B6 T- I Z: a" 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。
( ^% t9 S' |! x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% O0 n, h; }% m8 o9 Y+ p2 N3 j; e7 V9 O" \* R
你觉得呢?
6 C7 h. z! c7 z* M m' ?, E4 q+ H, U; [0 W; O
% _7 A4 i- X/ B7 L. Z2 j& K4 Z- e, @8 G8 l
/ n. i4 X4 ~- F7 }3 Q: s
+ d+ N& e7 p/ ~9 }4 o) N+ P2 C, A$ Y% |
|