【案例】
N1 Q* {. g* a9 `+ ]6 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
7 l$ `3 i) |) PAI 生成工具的偏见何时休?
+ Z1 R! ?) r- @: Q( k6 m; Y! I1 S4 v. e' ]7 ^: q8 D# }( i
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。
6 t3 g( p. E( w3 ~+ O. m* W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。
' G# d2 b$ ~- x$ l& _, G马斯克也被系统过分矫正了
b w5 C1 _! a3 Z8 G& 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。
# `3 q/ X2 p8 n% {7 p( z
! `) n; h; e9 l& x# w: OThe 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。
) R% k5 F, y5 H) ]! v% F% C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。 % R) h7 n2 m" u
图源:Mia Sato/The Verge ) I$ G8 E. u. h4 K l
不仅如此,调整文本 prompt 似乎也没有多大帮助。
. I2 e v8 n7 y, L5 d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。 2 w6 B6 M) @6 A1 [
机器之心自测图像
2 X2 D) S3 e: x- w( \: [# 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。
% ^) A4 o1 A" r婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 1 s8 ~& N3 \! f. _6 u3 e6 [
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+ x9 X' S% ]+ F# G% K
2 o# m( U0 J, U5 C- t自测图像
T6 \4 i; q. `# |8 w3 B$ 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。
$ N w$ m' P/ d# K4 O. m5 u7 F8 z2 u* M5 V' u# ~
* M! y/ |* ]8 d, I' Z自测图像
7 B4 z6 Y, r8 v2 C/ n, z: F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。
( v1 h1 H, {/ n: @2 V$ G
( ` A' _8 M6 y1 s自测图像 : E6 W# i9 x. T) k8 Y4 C
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。
! ]: [- h4 @# l2 A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。
' K/ o" b3 i" i2 D- w+ {' x
6 e4 _+ }# J3 P) c" i8 F2 W! H* G( u3 m8 S' H* E
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。
T3 M4 R# O7 h8 ]- B, u% j& C1 B: }; L2 Y
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。 / ]3 m! b+ M3 g. Z" Z& d! T5 _
图源:arstechnica and meta
' s, u. b( w+ P( a; ~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。 / V7 k2 K8 Y+ p
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。
0 }' p! x' E0 D4 @, Z, l; F/ c' ]; n! o0 s
你觉得呢? ( F! S0 F0 d0 p- O5 ?* \6 h
: |6 T$ S7 ]* P5 s- F% [
0 L% A8 y2 X2 M% F$ l( J, f. Q3 a; ~" m& H
. T' B. t8 o% V, h y$ X1 o# F# V, Y# @
% U1 [! Q( Z d; b* ~$ z
|