【案例】3 A* [6 h" ^1 j5 r* I
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 + z9 l) _5 I; X- m7 W6 s) B
AI 生成工具的偏见何时休?
1 f2 s5 ^4 _) ^/ ^: X5 ?( E/ ?$ o* d1 F* G
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。 & `# A0 |; i4 [4 x L4 W: D% ?
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。 / o+ r! B; K# \1 k# z7 A$ d
马斯克也被系统过分矫正了
x2 }) u! j. q, v# R* b% z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。 y% l) t7 q4 }
# s9 C/ H7 n% p1 u& ^2 S" o. F qThe 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。 M) m; B- v: M$ I; 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。
/ F. o# L* Y5 I图源:Mia Sato/The Verge 3 A7 x7 O% m/ E2 K9 X0 D4 J
不仅如此,调整文本 prompt 似乎也没有多大帮助。
- v! V# [; t6 f" q+ C: 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。
% U. t4 B3 _6 p# B机器之心自测图像
0 O; J; L9 Y0 G# z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% W( K# M; p9 \' [ ?婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
4 h9 v. m4 }4 K, D, W6 `( i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。 6 P+ p0 u" A0 g& w- `8 S }
a8 w$ J2 g H7 g& l6 w1 W5 q7 V自测图像
3 e6 N* G* P: E; C& 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。 / g- X- v+ E# Z( \( F' C
9 [7 K) m8 H; w9 B9 b
/ q x7 R$ C4 t+ o1 h1 l自测图像 ( i6 u# u" f% l% \+ V$ Y$ _ _
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。 5 e5 s: p' R" E- |
6 W3 ?& x% n- m) ]
自测图像
1 j/ S9 c9 o; W9 p' x) {0 I- I/ S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。
. `2 |7 T% g- [7 A3 k! 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。
7 N/ }+ c* B/ F9 ^( _) l0 D0 q+ I% i Y6 y ?
( l' p! `. @, h s( j7 h+ G0 q; T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。
0 a% y5 E" t/ Z/ S' N
, s; X7 D. K4 n& k4 V+ V4 e; t% m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。 # ~5 y7 L( a& Z9 N2 k; N- y
图源:arstechnica and meta 1 o( @5 d1 Q5 V" 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。 2 Z& J) K# | M$ J0 T, [
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。
" ]- d- K* g$ G `5 R1 g
W2 z- f# _7 s. ]* |( j你觉得呢?
0 n# R" F$ _# z$ @6 ]* A
; c& P2 h9 _! H9 Y7 Q% d/ \+ K+ G; a4 b( u) ]( |+ B
y3 k4 O1 W9 \* @. G* y3 b* |3 I. q
0 U8 Q- ~1 m1 d1 _' R! o" Z7 ~
# q! ?, A0 c% b) ^- Z
4 k b9 M& K4 L |