【案例】
6 Q, b- C; Y! y, }5 t 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 1 x+ ~: n- o8 j2 `
AI 生成工具的偏见何时休?
T5 O! Q# P; W3 T# a) [, O# [
1 D/ n! ?$ S' m$ c& j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。 ! S6 J& Q; B0 W4 G' x6 Y
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。 9 k- b. K6 B- f7 a
马斯克也被系统过分矫正了 1 w/ J! h; p, `4 s. I# v
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 U5 h; v6 B6 | a/ |
) r. ~' p6 u! V" J& O/ ]6 pThe 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。
7 Y2 d& n2 r+ X- d3 n' 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。 4 M7 T. i9 G0 k! F& E! h! j8 z
图源:Mia Sato/The Verge
( j; Z: u2 P2 o( }# ?9 ^不仅如此,调整文本 prompt 似乎也没有多大帮助。 : \8 V ]" a7 k
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 O) c3 S/ J* X0 v2 F
机器之心自测图像
& W' k9 y' _$ r& L7 j* @/ K. w5 h5 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 ^3 v% }$ v7 E, R. y/ S* v
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ! }- _0 H( }$ a; s% E0 ]% ^9 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。 ( V* E- l, ^0 L$ I# L& D
% _. M v! p" c% ?) D. M自测图像 - m/ y, ]* u$ H5 J/ W- ]( |+ k. `4 w
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。 & L0 U5 r* h. {. Z0 @
) ? y* K/ e; O' c# o
1 v* S6 B6 r) \' f, O
自测图像
& m7 _3 Q( X: y- P( M: I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。 8 ?1 V: v, B) y
2 q% X# {# l. M5 W$ E5 G
自测图像 ) o9 a. c7 v& h. A( 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。
4 ~5 s+ z$ {% t) W3 ?2 W% 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。 # @6 A$ s% s" u1 }
( f% X$ t% q7 o$ ?- V X) q+ E0 _# E# J
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。 2 N7 } {, a) v. |! d) Q/ H
7 v( @! U3 R( X& E* x- u p) [: L$ F( 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。
+ \! y) L5 ?+ N3 Q8 A0 t- H7 D/ G0 @图源:arstechnica and meta 3 Y4 C0 h: b4 ^: `
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。
3 ], {8 P! T6 l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。 - D4 m3 F, o! P% t l/ G W# V7 k. b
; Q4 E2 k* | D5 W# `8 z' m2 T( W/ r9 M3 V你觉得呢? 9 m, f" ^* U3 e6 M# {
7 @' t8 j" h4 Y" t$ S
1 Q/ D/ S, W% e( }( |9 Z
* g* ?! Q8 m8 B. ^. _( B! @/ K
2 I. {/ e6 @+ Y
N, j0 a- S! m5 A9 s9 L( { K, W0 B7 Y C) H$ p% ^5 ~( _
|