【案例】
& d8 l* @2 s. e$ y$ ^! e 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 " g! F- {5 U' B. ~/ ]6 U
AI 生成工具的偏见何时休?! f* H6 k% L3 D( Y
; J5 Z5 l% s! }7 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。 2 |& \4 S& a) e- W
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。
0 M0 F" m6 l1 I9 Q2 y马斯克也被系统过分矫正了
1 \. [1 i( H7 \: M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 B* R* u; Z8 k8 S+ U: X: z1 C) G9 w8 d# R
The 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。
# y' y' f: g R7 p: ]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 z# q/ q8 v- J s6 V; k
图源:Mia Sato/The Verge
: i, Y4 p+ G. d( m5 c; X/ Y0 _不仅如此,调整文本 prompt 似乎也没有多大帮助。 1 e: _$ z. M9 A: `
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。
5 Z7 i. {2 o6 ~8 ?7 r机器之心自测图像
; k! d% L9 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。
2 @" V7 l. _7 H& c& I婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
0 D; h2 h& e; |% h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。 ; Y2 ~+ y. \* R$ i) D% O k
# }' h9 D5 _3 T% e( _& P+ T自测图像
' D. \! Q5 D8 |( ~0 K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。
* g& t5 o5 g, e- u0 g% c) a% F0 {$ h$ R( f+ d, |
% U0 m; K" U* r/ T0 e5 E' s
自测图像
$ L$ k" C# d; X0 I' Z6 t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。
: t; h# I2 W2 I+ U. @" Y3 Y
* O# ~! U$ X$ S a v" U% g) |/ P {' g自测图像 # Y! ] |/ l) I
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。 ( ?% E" n! W W2 i8 J
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。 ! a! B- d2 h% r
% g# S( a1 E) z; @! \7 @3 F9 k( S- s+ c8 Z4 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。
; X% O3 V% }1 F+ J
: l c9 a' M5 E! i, t; k5 G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。 ! t; b1 _: R! V {7 e( Z- |% q+ S
图源:arstechnica and meta ! y h) f: X0 w. u$ X& |/ n2 {+ l$ |
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。
) j7 z A) m4 l+ c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 V- K) D+ A3 p% e: `
) T i \1 q8 \# L你觉得呢?
! K2 d9 {' A2 }, a: y2 X) F0 g# g4 D
' ~2 P. Q. f) E2 n' v! d
) z4 s# d7 K( n' f' J1 m. Z
- x& {" |) M5 i4 D% }5 a- r
& C- a! L8 u+ e) {9 o. H( p8 W2 l( W
! z, t4 o( `0 r
|