【案例】
$ d$ F3 {8 g! \) q, w9 f 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
# [4 b# d2 [4 M) {. TAI 生成工具的偏见何时休?" Z7 W3 v! I) F* c! |
- W* Z* f _+ G) `* o, b) y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。 $ F( H) V8 B+ P
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。
* i2 @0 A0 U+ k- _( I1 s9 e马斯克也被系统过分矫正了
0 d0 o7 X/ v8 C+ ?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 `) k7 m2 J. U* F* ?8 V5 `& j
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。
) @' H8 s7 K+ K6 e1 w2 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。
( l0 M2 N; P$ M. |6 M图源:Mia Sato/The Verge
, {' P" N% f5 [3 |- |( B0 S0 e不仅如此,调整文本 prompt 似乎也没有多大帮助。
3 f; a4 A6 U8 B2 `' u5 P& F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。
- H( g% J4 i9 [8 X机器之心自测图像
" K5 e" |! D: Z D) {6 I$ M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。 ) [0 {& n, p, Z' `2 e* q
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge # T t8 _! g/ z+ r3 R6 ?
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。 4 ?) a0 T+ w4 i) w
3 Q x: {# C/ g1 ^自测图像
- m9 ~: V4 _' G% n- i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。 ' m) i5 h9 ~$ z' U% Q
5 X- I+ r% S- z- n8 h$ k* H
+ {( x8 j; C5 i8 D' Q7 I8 t; j" M自测图像
; {: ?) A9 T2 W* `8 B5 b7 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。 . \3 H, F, @, i" @3 U2 T
' s2 V: n/ D' @# n) ^7 u
自测图像
& Q- E' t0 j* [3 `; w' ?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 r9 @ r2 z) ]: b9 M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。
$ G" d1 K6 L7 \$ \# I; A2 M6 h1 D7 G2 f# Z
" ], E( r5 I3 z9 a8 x% \+ J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。
* r: d; {; C- P' X& ]3 A% q
" o+ B2 O5 v( ^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。 - r6 N' g$ J; u0 `
图源:arstechnica and meta B: D9 n' I4 ^* z, N2 b
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。 : i2 J$ p. b2 p+ c$ d$ a: {
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。
+ N; ]0 Y: n6 ?; V: e k: G* G/ h: N
1 U! K$ \, O. N7 [你觉得呢?
4 d( y+ j* ^8 L; g# o1 n! E+ v" u; p! B, ^% G# i, E5 [
- Q, h7 p. W% _
( F$ Q" B& i# ^
* x+ t: T. r# _! x/ ~+ B n2 P
" T) j4 g+ j- N' M7 ^) e4 {) c+ e$ L( e' g) O
|