【案例】
( M0 m( U! |6 M' h9 C 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 $ A3 Y' }' E( M7 u/ {
AI 生成工具的偏见何时休?- C6 F8 q% ]" q7 B
7 J, z; t9 B4 @. t6 J* g( E
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。
; V6 e% e5 \; r. y2 ]' c2 w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。 - e% N0 n: X X) X b n) o
马斯克也被系统过分矫正了 6 b* s/ B( b& a3 K: `4 k
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。
$ C+ x) u8 y6 M: {
0 q, a& v8 H% }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。
6 I+ u# X( i$ \) }7 H( ]8 Q7 L; [, p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。 ' H/ f4 a9 _4 D' m$ H( o
图源:Mia Sato/The Verge
; X) n3 W( |7 A/ V$ U( v不仅如此,调整文本 prompt 似乎也没有多大帮助。
6 u4 Z! I+ ^# Q) g/ y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。 8 l7 p5 D1 i3 b
机器之心自测图像
) d# k6 D! r- a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。 , o6 `: H9 B# C1 I9 F- V! v% Q
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 3 |$ N+ r' i6 O. 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。 * z$ O, p% c5 p5 }; l! Q4 B
3 R N6 q2 |# T自测图像 ( n+ K$ e% Q2 m1 ]0 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。
% O+ T' b! d, k4 q/ V4 W9 \. e: l. b) r8 A5 N+ E: n
/ h+ B8 J# X! u! I! G3 n# D5 B
自测图像
0 }4 w; N$ Z0 J$ n# c/ T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。 ; _/ i9 E4 P& ~! G
. ?" c9 ]( S$ o; [" S/ k1 d
自测图像 $ `" l+ Q' E6 _4 R+ s$ 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。 & Y' c, ~8 R% V8 \ k' @! W, H
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。
/ A5 z& [( a0 e3 B: E, g3 W
6 J1 G! L0 d) f. ^8 p7 B4 _8 k% k2 t& F! e' o4 t" u; S( n: 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。
3 Z3 o% `- r: ^( B/ W6 [
& I8 A. F( I K, c+ T, R+ y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。
) F7 w O2 q* ?% k ^4 y图源:arstechnica and meta
; z& t, h6 L1 e, c" r3 Q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。
% e4 j0 m, O% O1 k8 s' {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。 % K2 L# Z2 |& D7 J- s) F
5 L8 `6 k0 s, I0 m! \你觉得呢? % D8 y) A3 ^: j7 L
+ \( {+ f7 J' k2 }1 K" w* @
7 m1 f: Z! D9 K3 U) Q2 z2 G7 k
5 O% Q t/ V/ W# f, C- q& }$ k! K8 X! ^4 @3 h) `
' P- `' r% v i' q8 o* p7 r: s8 o! |& h
|