【案例】
; k4 v6 X J9 M; M5 a5 ~, d5 `. m 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
& f' o: v: n- ?" h K6 @AI 生成工具的偏见何时休?
, Y. ~7 \; q; v* E5 i z. G4 T% v3 ]1 F2 B+ ^, t
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。
5 |, T: n2 u! I. u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。
% f" C8 c; w& M) W$ N: U; k马斯克也被系统过分矫正了
+ \, q: J# l7 G5 a3 s, l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。
" j% O* M+ n) I- w& O: V5 J
3 F& i C8 I$ P: S# m' g, p% f! PThe 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 l- ~3 M( i E8 w8 S; Y; A2 e
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。
; \% r3 u; }; f2 y" [* j: s0 y8 [图源:Mia Sato/The Verge
! L. E9 \8 `- l' U不仅如此,调整文本 prompt 似乎也没有多大帮助。 9 z# p" y! V4 b
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。
j( T+ R2 W$ A; }' h机器之心自测图像
1 E5 U9 T" p9 L5 \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。
a4 x4 j4 R7 ^5 a% @( `; _ i婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
* ~! h6 q& Y% 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。
; A& Q' _6 C, ^) ]) j; F) r1 o; `7 i, g) t
自测图像
" X5 L3 D; m& I3 Q$ } |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。
* k( o1 G& `, I8 n5 I4 W/ \( Z. _0 x3 V# V1 I* `
; r6 r8 ^% ~ i+ C- N+ j6 V自测图像
* m! E$ ~ _- J* s, 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。 . k# G d* i* k" h' _/ d9 W& d
8 B C% R4 A, ?6 N4 T
自测图像 ' t4 G" c5 l* p$ P2 u8 c7 w8 o3 P$ A
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。 ; @- n0 |1 |/ E; x4 ]
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。
; S$ P5 c/ j _ l4 b* y) v+ o5 p t% N$ P
) o4 A! q2 ~' h7 m$ x+ R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。 ! ?3 ^$ U2 H+ d9 `- K0 x t
6 S) h; l" `& ^0 C; \. \3 m, u
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。 ) D' K1 f' g0 v$ L
图源:arstechnica and meta ( U7 [7 D# r6 Y, ~/ V1 W3 j- k
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。
- d# t, l- t6 {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。 ) d5 ]/ k3 x$ U [# @
7 [9 j2 j3 w; ]0 W( \
你觉得呢?
" P5 p% Z* g6 q
: T, B3 J) \( v ?, a! ^
- L% ^+ ~/ e4 {0 b% g/ ?! i3 u
0 m& r" P5 ^5 ~7 b4 s2 q# f- `$ l) N1 [: }9 s2 U
! [6 c- b4 o# a) M8 r
2 Q! R( n* h& N$ d; w J |