【案例】
3 n$ g' j: G( {2 e6 Q 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
$ J' x& J- Y& B3 o" `AI 生成工具的偏见何时休?% T2 e3 F+ |4 t3 p( A" Y
9 f o" p$ }& }5 g% {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。
, G8 h" |. L. }6 l/ ]# k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。 ) t* F) }8 i S' [; C
马斯克也被系统过分矫正了 & t$ v4 G7 x: T+ v% S4 {9 `
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。 - k) Z# X4 V L# L* q& b
) C/ H3 Z4 n9 ]" F! }9 T BThe 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。
1 r! y# K9 p6 i t' B7 X/ D; ]* I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。 ' k0 k- e3 y8 S8 W
图源:Mia Sato/The Verge , i, x7 w P9 K2 Z# x8 u+ w6 ~8 u
不仅如此,调整文本 prompt 似乎也没有多大帮助。
0 I) { a% H4 e# e5 \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。
! M4 j2 m) u3 b机器之心自测图像 # Z. P! \# q; o8 ^
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。
3 H# y" j& r, i; v# E婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
( m. @5 J6 S. c. g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。
# `) r+ O6 m% T! \8 k8 z, F4 f$ R7 K/ O- M% j; Z+ {
自测图像 3 _% ?4 ^$ w! H: Y% Z" Y! e- t; 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。
& H# y, D% a; x3 m6 d- _5 w- }6 o- ?( m* n0 U" Q+ `+ j4 |# L
# d6 s# m8 x* L. D6 l自测图像
! e4 |- T) R5 F W& R* _* p% B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/ G* O' B+ k$ H! B# t+ q' }$ s4 Q: q- y) n( v
自测图像 & f- i6 ?/ N. \$ a% 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。
, e: _# m' n7 v$ m# a2 l( X' Y; g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。
3 J- e6 ~! q! G- \) k; t( z& m
6 K3 c- K- ~( H* L; b& W- e/ n" a
j" r* h, D1 P% d8 u$ @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。
/ j6 `- X9 C5 R; t, x, Q' W
+ [8 I# u6 u% J" z0 _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。
. I$ o- r B' m& k# @) n图源:arstechnica and meta 4 c5 @2 h" H3 v2 \/ N
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。
8 C" W& @1 Q: V+ b' c. f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。
* h. H* U6 l' k& l, H$ V4 L: X
( _5 N1 E2 Y# z; N w你觉得呢?
2 e+ T+ v+ G* K8 y$ f7 R# N: k
5 c' I8 C4 |9 `, H) q( v0 W/ h( Q8 ~4 P5 N# q; U- N, Q4 q
4 K5 x9 k* ?) D0 Q P
/ ?* _( ]8 L8 M; J, F- w( c- k/ R! u: u$ a$ E" y* C& }
& r* R1 y, z$ \. W. ?9 `4 U$ W |