【案例】
4 S9 H# w8 j: u. R+ } 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 5 i$ P5 A* e! Y, R) v
AI 生成工具的偏见何时休?; a6 V( Y3 J6 X' b: z7 Z% C
9 ?3 |' i5 s5 u4 U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) C. q9 ?6 z A6 F* s& c; {
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。
b9 a! l7 p/ w0 ?马斯克也被系统过分矫正了
* |: E: u/ y9 i; C x J K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。 $ g5 M4 K6 Y* v l' x
! q& D8 |# o3 Q6 R# V: O/ A* P# O
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。 6 v- ~3 \ Y8 v k" T3 i* T
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。
" s% U" B1 L" v5 ]! e( x图源:Mia Sato/The Verge 1 m2 x4 S+ z2 g: z5 S
不仅如此,调整文本 prompt 似乎也没有多大帮助。
6 z0 V3 ^- l, u2 s+ p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。
7 f+ ]6 |: e9 k% U- s7 J7 m机器之心自测图像 $ O% t8 N5 y0 n
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。
: ? O8 L. c5 |7 U婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 3 X. _& s" D: s( Z9 ~
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。
7 u1 ^- O5 V* A1 q7 C1 Z* l
) u; ]' v3 f) f; U$ L# x) H自测图像 9 V6 s/ E, \5 ~; h9 x: T3 I% p
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。 ' r1 J0 E' s' }( y4 S( T$ L
, O" L* X8 y. p, b
7 c K' x5 P& }: R" S+ L
自测图像
& E* h, ? C) X* h4 |$ x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。 ; {6 a) k5 i( M# j
; J* l6 r# I1 n& \' t
自测图像 5 I+ O- |# r( G( K; x. Q
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。
/ m) R! @8 b0 J$ S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。
4 D; Y# Q, k+ i. U* ]" ]) \ ?) W" @
! I5 }& U1 r6 p8 U 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。 1 r3 A- x/ d& y9 I* a. {% ]* W3 l- M
3 u/ Y; f- N) F! a d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。 : b" p/ Y v. D! L) K
图源:arstechnica and meta
6 [" n4 X4 a3 ?1 Z. o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。 " N" {% }. L& V% J- k. T" |% M3 C2 b2 f" Y
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 C5 A" r4 v+ K9 N+ i
5 A# a( ?" B% C: ?- ~- s: f
你觉得呢? 0 y7 C( `2 z# A9 x* g
7 F, O: H7 B+ I. I, `
) S2 R) I$ u. e0 {& t/ v' w# D; p# P& I/ f0 o+ ?" x
; _" k7 T1 }9 |- t; D
# H* m* O. @ H7 W' h6 L
/ `: k7 A1 T# _$ l |