【案例】! h {% R1 d! e3 n5 L
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 6 _( P; t3 D3 U6 o* O. z
AI 生成工具的偏见何时休?1 ]! _: n; o/ y, z6 f
& C2 z* V7 S6 F! n: 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。
2 G0 v7 N3 l9 _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。 ! i" J7 B+ U2 Y1 r" n V3 b2 I
马斯克也被系统过分矫正了
8 S* ?' j7 d6 ~$ ~1 \+ i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。
3 c7 `# s' G( a- n) K7 M
1 F5 V9 z6 f: `6 Z G4 d* \( rThe 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。
/ m2 t1 f. [ ?9 ~) u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 L% T3 t, A, r8 y7 {6 S; i. M图源:Mia Sato/The Verge
: X& V; n! |3 ~, L5 c" o不仅如此,调整文本 prompt 似乎也没有多大帮助。 ; d! y# k" ^% \ [! P1 v7 n
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。 1 |) }9 _5 z4 j+ \2 B4 {0 E: W* X
机器之心自测图像 9 B7 S+ C+ t* M! r& I9 w
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。
5 B+ C* O& D' Z3 W3 {婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ) t9 v+ Y; u% F# x
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。 7 |- |# E8 H2 B2 z- q6 Y7 F9 b
7 h! T `' m" H1 p3 Z
自测图像 " N$ l& \; h, D4 [4 }
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。
1 w1 m) B7 _0 T! P- y4 m/ V/ g) G
. s: U3 C j- c$ W4 c5 u. q6 C1 O- B6 \
1 U- B4 B9 O& N$ \+ V自测图像
' @$ ~6 {% B3 Z7 S4 C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。
. q! w, U9 y) v3 }+ T& q. g: N6 |2 @, X4 b6 P/ ~: W5 F
自测图像
. z8 B7 E; k5 [: 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。 7 p: U, S1 n9 ^2 J, H9 Y' R2 q/ s
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。
2 B% f, A; D; I
2 W* ~# J. E' w8 y; H* _7 A& M$ \: b! y3 z% i8 C$ 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。 3 T( {4 ?4 {( c5 y
r! N& @* a+ s& n: B* F& n5 h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。 & s, Y* u5 ]! s7 u3 N" x
图源:arstechnica and meta
C! U6 X0 R! T9 q) L% B4 r' 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。
6 V, l# d, b9 T6 h: Y {! J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。 # O* |4 }# p% V& Q h
; U( E- Z4 J1 p4 h5 K
你觉得呢?
: N4 ~7 _5 q3 N* p) v2 a' t
% q& ], H% q6 ~8 e8 m+ x8 S/ S8 i+ |/ C4 q
1 ^) q$ n1 a; Y$ y5 i$ |
; \* M: z+ J4 ~) k- f
( m. M. F( d% H. p8 P: |& c/ p! A# v) z. s
|