【案例】
/ k4 j" i1 c. q$ ?, W0 \1 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
# {3 y/ l5 E: x9 xAI 生成工具的偏见何时休?# f1 ` l9 R3 m! x
1 q5 q3 g2 s3 P/ P! F E6 p. o/ {8 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。 ! H9 | |# V. `0 y5 I0 L
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。
; \- q' @7 n3 M' n! X! s' l马斯克也被系统过分矫正了 ( d7 K1 G/ j' p& {
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。
* ~% S% b1 Y0 P6 m1 N% N- Q$ f; Q! x
" ?& v" s% [7 A# v% yThe 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。 ; R2 `8 T( x& \4 p: X& a3 i# g
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。
$ |9 k! j+ `% b0 o- N图源:Mia Sato/The Verge
5 y. p, W e4 G4 G+ v不仅如此,调整文本 prompt 似乎也没有多大帮助。
" z3 [5 P) U/ M! T7 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。
9 i$ K o$ }' n* N9 u8 ]机器之心自测图像
! U( c/ f* u: Z& B- L( ]1 s" Z/ y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。 2 d% B: }) \6 b- S- t4 d
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 1 ]6 P' X) V+ a7 {0 O4 D3 z/ f; J
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。
( G$ i) v6 k8 K o) V4 U/ d8 t
# u6 }+ z" B; u$ S+ ?" y0 f/ n$ a自测图像
) b7 z5 [0 [8 v* [# h' X0 A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。 8 e& A% P% v5 g0 O3 o
' {% ]; R8 f# Q! ` Q6 F; m) f# E, G2 j% m6 A/ G3 S" U
自测图像 9 O# o& t% L4 [
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。
5 K5 V1 L. z3 }4 n" j, U8 n7 q7 G0 p( x' f+ |
自测图像
' A1 |/ b9 C8 M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。
, L3 E1 y: I6 x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。
/ g2 m% M! _7 C, s( ~9 O; X+ D, v0 s* g& {4 |- b x N2 m
Z2 }3 `5 `" p# b7 t
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。
6 m& G% l& h& }' r
}8 k, o2 f7 A2 y4 I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。
5 E. ^9 @4 q% b; ]3 s7 H- }图源:arstechnica and meta L+ |) O" P1 A9 P+ P$ a/ `3 N3 a
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。
/ O+ l/ Z- Z2 p6 i2 w* w% a& I: r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。 $ {# C1 [ W& _: @" @* W6 S
' Z, Y$ |3 I9 ]# {! J
你觉得呢?
: \, g( _: p5 Z1 L8 l( g* ?2 ~% ?; n9 |
1 N! H" x& F8 g
3 N9 ^2 i8 l5 {3 A @
5 ]; m" p; J1 ~& S. L1 }7 f3 p' r3 P% K$ @, s8 W5 a: R
. o& [' F" R$ w" C: q' j, S- o* ~# n
|