【案例】
8 s2 Z0 t" P4 D6 I# F n( j' P6 S 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
/ Y# H+ p7 e" s6 PAI 生成工具的偏见何时休?7 q& a* e) Q5 f
& [$ G7 w1 _# k2 k
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。 O# \4 R6 Z( e3 [1 ]/ t0 ]
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。 " ?8 J7 |% M3 |, g
马斯克也被系统过分矫正了 0 {0 f) j, p+ { d. 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。 , R# ?, L2 y, |' k3 ?& ~& ]. B
# H; ~* `6 t. H' W4 B
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。
$ [3 v- i/ V2 H8 Q- _% o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 @4 T) O5 s4 v; X
图源:Mia Sato/The Verge 6 i3 `, p$ T G5 e6 P* i
不仅如此,调整文本 prompt 似乎也没有多大帮助。 / y% ` N) h% r
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。 # C0 m/ l& r( A7 R$ C
机器之心自测图像 ! @6 B+ I( c: j) H
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。
% {4 Q2 h# ~0 D6 h4 J" G婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 0 X: f* j' c1 h" ^. \. L" 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。
: p" t7 B1 N1 [1 ~8 v( K8 e$ C7 C: l) I q$ V
自测图像 % [( S/ }/ a" Y. U& h" l2 y6 O
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 p7 y7 D" R2 F( ~* b: o
: ~- ?9 {, }# E( @/ c9 y- ]
4 y& Q# w& ~% ]+ P4 v; o3 l自测图像
9 L; g2 x7 H6 A1 g" z% @7 Q8 o/ `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。
; P1 L" f3 l L3 Z5 l
6 O$ m8 U# u) f% Q9 m; u自测图像
* o3 i4 i1 P# ^8 N* Q% w& ~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。 : t9 F0 F) ?4 u0 D# r" r- g
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。
& t+ V m0 b6 Y
0 o1 i4 s* g( A/ K0 Z0 Y5 p
" b& [ n" M: L& f, O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。 ; ^& g- n+ p4 a0 ]
; A, q: U" ~: P
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。
9 D# L3 s8 z7 K. f图源:arstechnica and meta
8 v2 Q5 v) ^* K$ o9 d( T3 v1 S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。 0 _ Z, T2 l2 U
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。 / r. ^$ `' D# V3 U( ~8 v. @
2 r H3 [: o: X3 L( ]5 l" O; m; }
你觉得呢?
- D o* G+ g" ~% c: d
% i! @. V& c. B+ l0 J& G8 j% [, Z4 b7 F" o% M2 V
Q G7 x& p" v$ ^1 ?- }, u2 r" a9 S+ C5 j! `
5 G5 g% x% G ~; R, Y
' q8 e% o H/ J }$ l8 W2 o( X |