【案例】
) F# G- C2 u% F% 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
" y9 t* v% T, fAI 生成工具的偏见何时休?
. ?. E0 H+ C X
& T7 N' @0 l3 q5 A/ U1 L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。
0 L9 a9 s5 Z* S1 x1 t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。 0 p* M9 t" J# c5 b- S- m$ y6 x: ~
马斯克也被系统过分矫正了 3 F7 v$ s6 }; H7 k$ e8 t
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。 6 M7 i) }$ Z, C! v4 t
4 S y2 @9 _9 L' i* c# w$ ?
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。
7 d% w; i1 ?& N+ N2 g1 M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。 3 b! T, g# t# _ j& U7 p/ L2 O1 y
图源:Mia Sato/The Verge
/ @4 T' p; D2 _; Y8 l不仅如此,调整文本 prompt 似乎也没有多大帮助。 5 M- m4 u: ^* `) a' A$ Q
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。 + p+ ^" B, `( ^- v7 s3 i, i+ C
机器之心自测图像 : W+ m0 O9 L# |- R( C1 G4 J; T
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。 ' |+ f' v+ _% T e" O" s' a
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 5 y$ j5 l% q' y
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。
2 a8 m3 J5 L. u- a7 t! j% I0 q* F
4 U2 B9 V+ Q+ p' y4 |5 {. R自测图像
: {7 A8 w1 ? T& A4 O8 S5 N# H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。
; [. u, [! _. D+ k' ^
^* b6 f9 A0 w6 K b
) N; l3 T; B7 [自测图像
; l% G# {/ } r; |4 z- k0 N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。 1 ~' \" g9 M9 o; D
7 b3 F1 u* A8 N; r
自测图像
9 y( g, S X! 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。
. t& ]: p% n" g s' q9 W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。
6 n) C0 v8 T+ H5 y! @
7 N& o" H0 z' l% ] x7 T/ \' Q1 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。
p0 ~3 a5 H& M% T+ F; d& Q8 p8 l3 I% V5 C
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。 ; b2 Y1 k5 }/ z
图源:arstechnica and meta
9 S) B3 @, [' J1 g4 ~* m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。 ' M+ }/ {1 O1 a! ~. a1 c
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。
$ o2 c9 ?; F0 d" N6 g0 S3 m" I: l0 S2 ? ]4 _
你觉得呢? ) {. I( |5 R5 V1 W: ]% D) K' |" @
0 M' N( P, X7 M/ Q/ r; x1 y
. y7 f5 [& Z% Q) o3 B4 P' p
% v1 N4 r+ K% b% ]& v; O. k9 b" A, ^7 F6 l$ u G
8 [" L1 G& \2 S) z8 E1 N6 ?% c
2 F$ F1 \' g v |