【案例】
; X) A& n$ ^5 m0 F 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
% b8 t/ |* H& H+ G0 }9 H. lAI 生成工具的偏见何时休?
7 ~' [2 M7 F" n; w+ L9 Q' `: `) o& y" U9 Q' y" B: z( |
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。
& _8 v- Z& y' l J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。
1 Y! |6 c7 T% J9 f2 K+ i% e$ G马斯克也被系统过分矫正了
& V: u! |% J6 m3 `' B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。
" [+ F) R. l# C3 F
1 |+ H; C8 H. \ ?1 u$ x# ]& ?6 OThe 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。 ; L8 ~7 O( E! k
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。 1 k& s! I: G0 @/ y
图源:Mia Sato/The Verge 7 @! I/ z8 i( P& F% b/ s
不仅如此,调整文本 prompt 似乎也没有多大帮助。
# w, y: l+ E& |2 W9 v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。 4 O% ]7 x! J3 C# a
机器之心自测图像 " X; \3 i/ z8 y% O
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。 # Y4 A+ u$ Z+ S/ n
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
! H- v3 Z9 L+ G% u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。 5 d% \5 W4 }0 `7 I5 a* u" A( t/ R# L
. E7 ~1 V0 i- T* v0 B- x* T1 ~3 ^9 W自测图像 W) p7 n1 H; R7 c; r3 j
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。 ' X7 w0 c5 ?" C+ j6 Y/ ?. M
2 D% M7 W- A' W4 M7 V" e
v: M( Z' W- N% W% P- O自测图像 ' V7 P$ v1 S k
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。 / Z5 W* C8 f7 T1 i& D4 u! r
* R) ]. c* i; c- u- w0 @
自测图像
* t. C# ]5 ]$ Q- p, i9 x |, d) z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。
: R1 Q1 }4 ?, n' b) [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。
+ D# J3 ~! y$ ~ w) ~% o6 {
7 W, ~0 l. j( d- j+ ^. o, J S# n& o/ C+ Y2 l) C, Q; 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。
) z0 }" k! s+ Y4 I. h+ |9 ^: L$ ?7 U" }
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。
; ^) A) Y- M/ ?* \; k图源:arstechnica and meta
7 h: Z8 e% ]+ Y, d9 p; o2 M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 N6 x' m2 m: V4 H/ 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。 6 ]0 P9 e" F H* Y4 g
/ [8 ?8 E. A$ x2 J/ Q你觉得呢? $ t' ?- x) L8 U" F5 m
0 R# I j! Z9 K0 x) L
( j1 n& e# l! L
v5 T$ ~: \. x y3 a" V1 c& Q% L9 \+ f, L( A, u5 D
: H) G* E3 X9 _1 D4 u6 a7 n0 G' @+ I6 s5 J
|