【案例】5 D% A. a! ^, n+ W: P8 r
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 N) U. _, R" j+ }) J1 t
AI 生成工具的偏见何时休?
! ~2 F; ~& T6 b5 \" _/ N
# y5 g/ E- G8 P* _" S: f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 j {6 c! a) v$ A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- Z: M: J0 S1 ]马斯克也被系统过分矫正了
; W1 l$ B: o8 ^8 D# a! v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 o8 H- Q/ }" A& h
# L% F+ e+ \" x. Y5 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。
- y) r; t. u3 F2 Z5 e2 m( Z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。
% l' P) G3 v; ?1 K# y图源:Mia Sato/The Verge 2 s+ ^! j* z3 \, E( [$ {* P' D
不仅如此,调整文本 prompt 似乎也没有多大帮助。 0 f1 F7 X; x) s
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。 0 a2 z1 |7 I# ] E' n7 i5 F. |
机器之心自测图像
; i7 d- y4 P7 X# r. 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。
, N0 _( [+ o! S$ A1 f& O婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
$ _' B9 V3 w( f; x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。
/ ?# M. I7 ^/ Q* d
- W1 H: @* j1 ~; Q; \自测图像
/ x+ W# x( \* p H, J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。 ( L9 F4 j2 R# D+ i) \5 n
) F9 K; }8 s5 H+ U3 c) _- g' r
; S4 }! t9 P% X1 ?3 E自测图像
( a$ w* i A( @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。
, R( X& s) t" l3 l; G$ \
4 p2 z( p( r9 e2 E自测图像 & W7 `( w/ A6 U$ k% }8 n% k- O
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。 7 V! z2 w1 B$ A N( n
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。 + ?8 e/ B4 T4 _3 L' W( Y
+ u, A# S0 R i/ E% l8 L8 y
, U) n! Z1 K. ^9 Z. I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。 + P7 k% b ^9 l b7 @( L
2 T( Q$ c3 f7 q* @
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。 * m& S7 }( d; p. l5 E
图源:arstechnica and meta
6 ^) K0 K5 N2 ]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。 # L$ h, G, M- C8 S+ Y, s5 a3 b
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 A5 q& C3 V5 v+ M
2 g. W7 P! y- L! p* O
你觉得呢?
% Y1 k* i- X6 \# r
! L* ]" }$ O, M3 B+ }/ I, w2 o1 r$ ^# M8 F; r( n
& f( v# W* G( H- M" u2 {# T
1 ~7 T% L4 ?& h6 M. W0 l$ {2 W0 N, j1 R) @ {
" b: Q1 V- }3 V0 A0 K |