【案例】
1 k! J( \+ o# o 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
: Y! t' d( r7 G( N- { m5 H! ^, c! BAI 生成工具的偏见何时休?
4 p2 B# t$ x0 _% p6 H! h/ f: T# |6 h: b$ L& Q/ H( A9 @
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。 1 g# @ s4 c% h( x5 I! e
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。
7 j' [) D1 B% @( t4 j马斯克也被系统过分矫正了
% v: s8 X3 {* D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。 7 F+ t1 U; B3 [7 Q1 B( W6 [+ j* Y
: }; A4 V/ A5 G/ LThe 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。 - T! P! ~: f- j& u4 @1 B$ ?
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。
# Y ]) X. P: L$ b8 f图源:Mia Sato/The Verge
" u1 s3 p+ b8 N" }2 b6 a不仅如此,调整文本 prompt 似乎也没有多大帮助。 ! w+ ?: n+ p2 {. H) L; _
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。 9 ~& N6 [( V& l* K% v* B
机器之心自测图像 $ u4 n. J" ]# o+ S7 m1 t" m
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。 7 }: ]1 E, ` Y- _, h* Q; G6 c: W
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ! z4 Q8 [, K# w" M
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。 6 }" \0 Z( F5 {/ t4 ~: K
$ F( I+ Q' E7 z1 v, p& r0 U
自测图像 0 V/ e8 a. Y) q
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。
& \9 A; e8 u9 r ^
7 J" y) y' x+ T5 l. U; G y: V! \$ z( Y3 U( _
自测图像 3 r( n# \- x$ F* H' f
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。
' l5 \. y: }* H& N
$ A9 J* l6 A7 ?9 ~自测图像 7 {4 i: Z7 c- h. N' Q1 f4 d
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。
/ Z+ q! H2 B6 a' ^0 q& 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。 7 {0 O1 B' w! q8 e3 x" |
2 `; n" g2 E. n( {& o) D
0 k" e* ]6 K' S5 ?* h# X8 V3 h( Z' }
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。 / C" i% l( [8 P' [# P' M7 T/ E
' e4 q( z' h8 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。
& b/ F6 S1 c; V4 u8 h图源:arstechnica and meta 2 V1 T1 A- G* A) {* ]% O
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。 + f( L# T* {( B6 f7 g. ^# P1 T+ Y0 `
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。
+ K, P- k2 J5 {. y/ P: y- j5 E6 ^0 _" {
你觉得呢? , A3 K, ?, R, L
: C8 ^, w/ E# j8 s( N# U4 X5 h) h! \, ~, r5 n c
- m& \& q/ M/ _" ?) J
& r+ [- R2 M* @) O; y
4 h2 j W/ m6 N* H
0 |. ?6 K( l: k$ { |