【案例】; Z3 p: ^% i: b2 w7 B
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
' k0 q6 d2 g2 p! r0 u( ?# ?AI 生成工具的偏见何时休?3 @* g) ~3 u; i+ q: {
* z8 K# D/ R, ?1 S, O
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。 0 n2 K) H1 H1 m% P$ r
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。
* M, _. v) ]1 e马斯克也被系统过分矫正了 7 ^3 g2 M1 ^" Y+ B4 u
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。
$ D2 }' [1 V, u7 A3 A( r C4 ^
7 z( h& a. ?! i) v/ IThe 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 P' X. V3 s1 X& O: p! y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 |& e$ E t0 l- {! _! A
图源:Mia Sato/The Verge
& h& v( a0 Y8 x不仅如此,调整文本 prompt 似乎也没有多大帮助。 2 x/ ]0 G% U4 C' E0 `) `
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。
* i& h6 \( w* L L9 o4 E机器之心自测图像 " o7 b8 f8 d5 Y' e2 @- V( m
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。 ) `) I) N( W* n$ u8 G( s6 O
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
5 Y. F" K' ~: S* D$ F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。 2 M2 z: @4 E; x' n9 N6 h
( X; t4 ?6 a2 ?: j4 c" N自测图像 4 c9 K+ B) Z/ N, f
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。 9 O- s A! k, y5 M6 t+ `/ ]
G$ C/ q: p4 r! m2 a
5 A+ ^0 q/ N6 Z6 N" f9 X自测图像
2 m5 }* p. y n' U" 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。
$ E7 D7 M; t' _( b& `; j' d! A0 F7 I$ c& [$ T
自测图像 % e( Q$ Q6 h4 X$ K+ v' q3 ~ L( C
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。 9 T6 ?. l$ h; s" i# e f
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。
7 S/ u& G+ K5 F) z9 f. B5 E. f+ q* c: B S6 Q9 [) D3 C
$ V# |; S: }; }7 r4 v" Z
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。
! g9 ^2 c1 L" |8 ^9 H0 ]
: i, A4 L! B; o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, Q' V, @9 e图源:arstechnica and meta . @( ~- g3 N7 @( G5 n4 }6 A
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 [9 B9 M8 C9 M' C/ P+ b3 ~$ 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。 9 }4 {+ o, |- N" u: N( s
1 |& R3 K9 K) M
你觉得呢? ; i! c/ E. [. ] K. u' t1 `
% T! d+ m$ Z7 z6 K. T* D/ T
% s" F1 q. a, _0 a+ r) ~5 P
9 N9 Z6 B, C0 ^. D6 H' Y4 }
" u& u3 e2 ]4 F/ I7 n- o* n% q4 l% R8 A" Y! i) V
+ c1 ?6 u' ?3 E: D- X |