【案例】
1 l# m1 S% U; \% I( c% s6 |8 G$ d 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
! C9 U; N& {6 k4 T' k+ sAI 生成工具的偏见何时休?% q. J8 V7 K7 O. G# P9 B
4 F7 U5 n4 d7 U' j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 O$ K* u' i2 O7 e2 U6 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。 - ]- J5 j# w4 K7 V/ ~+ |- L7 g
马斯克也被系统过分矫正了
2 |0 q- g9 [/ e1 y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。 5 a6 @: M( o) @9 T# y5 }6 O4 K. d
8 H% }- Z* `" ?* B9 U# T* x3 eThe 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。
j# g6 z5 v: k9 I: K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。 + X0 S8 R4 w4 z8 H8 H+ y, L6 x
图源:Mia Sato/The Verge
! |: G7 g; ]2 @不仅如此,调整文本 prompt 似乎也没有多大帮助。 ' k* G) R$ S C
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。 7 w: l3 L7 ^7 W! H. H ?
机器之心自测图像 , Y1 t2 n- A) R2 A9 s
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。 # C& P# g) I4 _! s5 Q, A
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
3 Z+ `" V2 d9 _8 d6 d% [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。 & U* s4 N$ b b$ e" p
- a% G! y2 c: V% Y/ f自测图像
- N X, f6 A, r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。
9 S8 A u8 s" w0 ~0 N
- [0 q: z7 F: O
# {0 n$ f9 B# e( ~' Y自测图像
2 h" ?6 V( B# |! t$ E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。
8 Z% x8 N8 D' D& e' a, z" h {! K; J6 Q
自测图像 6 B8 k: \: q2 h/ G3 }
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 x% @& ?- A3 T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。
9 Z# B4 x% W( v. ^# {
; w0 w: }9 x6 w+ B. K9 h$ g
0 g0 I) U1 n( [* ~0 _0 K3 A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。 1 J: ^* v2 d2 I) V/ O
: e) x% a! X6 F
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。 c, W4 S& ?2 h
图源:arstechnica and meta * b( @7 N' k. {8 m: 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。 / O) s* N$ i- Z# 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。 ; c4 k" @0 L/ P- R; Z# P* Q
/ P# ]( g) g! _( X7 |) f( P$ b
你觉得呢? ' s/ x1 A0 J( A z$ G {
! h2 ^' p0 C- D+ A9 E; J( w( ~
$ v9 n4 t! `$ ~8 w3 ]3 h2 @$ c+ Y9 {6 w v% w* ~
" h$ A/ Z% B3 q$ y7 i4 \
& ]$ D# G4 K4 A( l' P- `5 p: I
3 j) F2 G P. y B5 e* D0 ^; m5 [5 ? |