【案例】! b% H0 M0 u4 y6 q* o& n L- i
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
9 V& ^& c# X. l7 Z* ]& p; _# r. {. qAI 生成工具的偏见何时休?% F) `: t" X c, i# @
i' e' n; D6 x, L$ [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。 ( ^3 d3 [/ ?7 R/ G9 \- S
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。
& J9 ^: i, g/ U+ h- L# W0 v马斯克也被系统过分矫正了 , T9 Q6 ^5 b; s6 Z
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。
4 ^! [: F8 _* F5 `
% |7 q" Y N k1 z% [! U1 z& MThe 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。 : k& H H S5 D& O A* \$ E
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。
0 B7 N* R! S4 H& i, K1 c/ }' g图源:Mia Sato/The Verge
+ y2 x5 T$ ~/ L不仅如此,调整文本 prompt 似乎也没有多大帮助。 * z' D! l2 u4 Z
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。
/ x% O) r0 P' E) P4 ^( [3 ~" P0 o机器之心自测图像 ; X% J" Y* Z& S# ?7 f1 `0 s
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。 + Q4 V7 V* [) t! Q; G
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ' [3 i2 e8 L9 W
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。 3 G9 }4 T2 }+ A- F" d; f" l
: K* ?- R% c$ _' O. L0 X: q
自测图像
s5 d9 c+ E) Y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。 3 m: D; p3 I; @ s2 p7 U
O' q/ g; g9 Z" _& S9 A5 Y, b+ y9 [2 s+ w4 g1 m( E/ i) L; v
自测图像 : _. i0 t2 G v- Z) G% ?3 F9 V
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。 # ~% R: o" [; Z4 j% e( v
+ v2 J# s, Q( l' B自测图像
0 w2 L0 Z, K# H* c- F% H. ?1 u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。 ( i/ t" J$ U; F7 w6 |
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。
, J- X3 N$ C5 p# [; x# l8 k% L1 M" |7 M
- Q- ^& A" D7 C% d3 ^9 \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。 ! v5 m0 s5 N0 p* E8 F4 ]$ v8 W
6 Z, [$ }/ n( p4 h$ @1 @
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。 & x4 Q" O1 K/ H" V
图源:arstechnica and meta
: f8 u/ w' f' S x0 r0 {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 R3 {$ [. E. }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。
5 k. n# B7 S* b" O" @ B% Z& t# Q3 H/ N1 j
你觉得呢? ; B& ~! @9 b6 v& }
- H" k% a& _/ Z: T
. M" ^! K5 q# p! v% {! D% V: X7 N5 c9 ^" `' R; k. b5 {! B' k% b; n
8 I& ?# x9 E. } H) @. g' ^$ A$ J
1 ~% \6 x" {4 {) k1 [6 C
! @/ @/ P, S: L& S7 Z |