【案例】
$ _* t5 R3 d5 `/ D! t4 E7 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
: f' q' N* i0 q; G$ eAI 生成工具的偏见何时休?
8 [ y5 n2 p( f. n
3 m' F2 Q6 K4 g. j. y* k& w! v1 n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。
2 W4 _- [: v7 N; V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。
" n* e0 X! {% d- B% O马斯克也被系统过分矫正了 0 H1 r4 ` X" d
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。
9 e8 K& k" v& e" c& J7 e2 j, x, R
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。 5 z) L; _3 d8 l( s( S6 _( [
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。
8 J5 K9 l/ o: }0 G/ O图源:Mia Sato/The Verge . {. h( M, O! h, n
不仅如此,调整文本 prompt 似乎也没有多大帮助。
% o+ L2 Q( }2 [* H9 N8 _& w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。
5 }7 P" h% g" [, t1 w6 ]# x机器之心自测图像
/ e: P0 J+ D5 X! y* r% b3 K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。
) s# e( \# }) n) O! |; V婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 7 X( O1 }+ Y) g2 M2 H, p
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。
j- @ t$ z1 f
* }4 d. l+ S1 _3 U4 b6 Z自测图像
- G7 }; q6 y4 ?0 @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。 ' B5 g% h d" x0 i b8 u3 D" h( C
3 Y1 V2 j" S! ]4 X8 _% p4 i
: e: h1 h% l, X# Q% P8 j自测图像
! S6 @$ _) e0 V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。
; _* T& y, h$ Q1 A/ E- `& o! f
9 p$ B* Y2 H# [& w自测图像
: T( A8 Y0 G- K- g6 I# a# P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 L; J9 s1 l4 [9 j$ @9 [6 p: o9 m: B
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。 : c& P2 `! S: @2 I1 a- D
+ z6 z. F; @/ A- X6 z: \
# A: \1 f8 d- p, ]2 \+ O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。
- l* f% s* K: }" y* o& C; U* z+ ~; 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。
2 |1 d, l0 x" I `图源:arstechnica and meta
; r9 i7 [* k/ x8 v9 N+ i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 ?0 s4 l6 g3 S, G$ Q
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。
y, I4 Z. U# W4 | h, Z1 V3 I- C( }2 J7 ]
你觉得呢? 9 W1 q$ t: R+ Z4 K: k4 c
; i2 y. `; B. ^- e, k/ a0 B
: G* G$ I& @8 P. L; R
& n/ D% |2 }) g5 c9 ^+ N$ `
0 s3 x: C9 ? w8 U
; b" `2 M7 `/ V2 `6 s, K1 E5 u t) o( y0 @# ~
|