【案例】
( V2 i# o6 @( g: d# } 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
7 U, j9 @# Z' ^ V. [. @AI 生成工具的偏见何时休?+ N4 q( v& w ~- C0 l% l4 l( n
6 A% T$ E4 Y/ }; K [' m; v6 s; v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。
' p3 x0 n7 s! [- V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。 8 Z, \/ I0 ^1 Q# F
马斯克也被系统过分矫正了 7 [- R& S" ?' U5 L3 h6 i) m( |4 ]
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。
+ `+ l3 j0 _6 d! E$ q* ]4 h
8 O8 K. N# Y4 ZThe 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。
) g/ W5 F- f! W: u/ ~% f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。 3 a/ z4 ^% n0 N1 \: l
图源:Mia Sato/The Verge 3 U0 u9 }" O. W4 w+ `& a
不仅如此,调整文本 prompt 似乎也没有多大帮助。 ( f- M, l9 H; u# ~$ s, r* I. u# [
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。 2 |9 d/ @* n0 T% k6 w
机器之心自测图像 + N1 b9 I2 O7 g5 g$ [" f* D, ?
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。
4 K- m$ W6 g8 V4 `% V婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge : d% o! K0 \% z, C. 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。 ; [, B) V7 }- r& I6 c% c9 f% w
& U6 e) M6 f. Z. U8 e
自测图像
/ H0 i7 Z2 @+ N% J. W0 U% W! e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。
# [" v" M# Q: \$ w+ U0 C. {" q# \+ ]6 i, }# ^+ K2 ^; q
$ e. |8 }) z1 u- J0 |! j+ m: U自测图像
6 C7 X+ b3 B6 w( c2 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。 # C. T2 ~; X# G5 ?0 c
$ y! r0 P ^9 n5 D! T9 w
自测图像
q; P/ \% j$ n- W3 o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。 2 |, p. } b1 r& `: B6 @+ m( 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。
) f3 Q O, b" A# A) F( u) e, H- ^3 z( s2 p4 G7 _! e/ i
: `! J) ^& }- v
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。
' D( K! f R8 o$ T+ |8 Y: P, A
% k) }& q/ ^/ G* J, V" Y' E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。
( W [9 Z2 U5 z) p6 K7 }6 p6 Q图源:arstechnica and meta 1 h) K: c, O* P' b5 f
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。 9 d* g# S! r6 z+ e0 V! G
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。
- V" ^' l- O3 g" G* S
: |. A5 \; u W) l; w# c你觉得呢?
1 z& F% b k1 n+ }, B$ I
0 }3 p- c' R2 I8 i8 ~
5 E; p+ X- o+ p% J+ ]
% J2 f. i5 O+ h( c* |" ~' W" t: y0 r0 o
/ v9 L1 c q6 J. Y( @ d
3 N9 v1 r# S! N
|