【案例】
5 {. x# ~4 c8 [0 Z, y5 O& M2 E9 k 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 1 T* K3 [6 B' Y2 v
AI 生成工具的偏见何时休?7 g K8 ^8 R2 y/ @, S( C6 H$ @! G) }1 a
) M. h" c8 r+ l$ s1 f9 J& R
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。 7 p4 S- W7 k# o0 ?, ?
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。
/ A$ {- s7 S R0 r3 G- f马斯克也被系统过分矫正了
, O& H: {" p! \! Y/ X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。
& f0 e) _4 R; i2 q9 z
4 m# q( c$ P& Y$ K$ D+ vThe 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。 ) ~$ R5 `, M4 R. @: [/ j
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。 . Z" h% k4 S% S/ l
图源:Mia Sato/The Verge
$ e! b( T; }- u- i不仅如此,调整文本 prompt 似乎也没有多大帮助。
/ a$ s7 U0 i% P6 i0 ]7 M0 n' y) 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。
- `: ^: Q- C9 x% x, H机器之心自测图像 / q s* h9 r( C. _& b; 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。 ! \( ?+ j9 R: e, P- O& c8 [
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
9 g7 b* d/ z/ q$ S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。
4 }3 g" o: p4 N1 u! d; a& z. a9 [9 q9 `, p& b
自测图像
/ b7 \! M R- E: Z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。 2 v/ H7 J: i, j9 W. m6 c
' q$ Q7 f; D+ @* r9 o" {9 p( P/ r8 t3 f2 _8 V( K
自测图像
+ x9 c- Q- p7 v7 C0 l) _8 h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。
# V: G+ C. g- [. T1 r. k7 T# x8 p4 B" m7 o* J( }
自测图像 , K4 ?( a; w! t7 u* X1 G3 O# L
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。 8 b# N% C4 N) F8 |8 N1 F5 d; [2 ]% c
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。 ; j4 ?8 A1 n8 x, P- w& f# s2 b
x: H: b) d* D) F
% A! b8 d2 L `! S. 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。 B e9 K5 m* t2 l
# k2 O+ Y& e6 X% [$ @: u j: a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。
6 b7 z5 C- ?; Z$ R图源:arstechnica and meta 3 D, w$ ?4 a# P* E' T; Q6 I$ 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。 / E$ S5 B }0 |- \
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。
; y0 o* V/ v" y9 d8 m ]
- D% ]& I3 S& {; n' m5 e7 C! C你觉得呢?
) B$ u0 Q8 C5 t* c7 H1 S
( @( G" B6 L g8 p3 I6 b- n6 g% j8 A: S
7 ^* I5 w$ N# y D: }/ L6 F
8 ~2 e2 J: P( Y7 d7 H5 x" D9 A
. v$ e! N; W7 r# \% U# l1 [) Z' m! T9 Q! P! N; s- [4 {
|