【案例】; M ]. }- U5 n/ M! z
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
# `* g$ a, T# ?/ |AI 生成工具的偏见何时休?
* g% x# V- b, p5 F1 ~' j0 I
( b, c! a9 ~6 f2 M2 l5 J" q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。
/ Y. B6 ^8 G0 o1 ?" p6 K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。 1 `: v5 r+ i" b, \
马斯克也被系统过分矫正了
+ U: ]8 f" g% E6 E& @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。
- K- F% P7 x3 u3 o: \) @0 F0 S! E2 ^
# N( }8 l6 u) u! Q ?" \- YThe 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。
( X3 R. p6 P6 G# 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。 9 t4 P6 G. l$ l; z. d) [- e
图源:Mia Sato/The Verge % d6 J1 l! m5 S# q( x B; @
不仅如此,调整文本 prompt 似乎也没有多大帮助。 % \$ {: T s2 K8 N! ~
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。
6 s+ W& e$ a2 x" m' X5 u( d机器之心自测图像
7 B( ~' g$ O8 ^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。
1 @% b! C b* ?+ a7 @+ T婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
, R8 b h0 x+ z, o/ e6 o& v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。
; q# |7 r7 j: m. F7 g4 y
$ h4 Y5 m* o: M. y) g5 J* ?自测图像 4 b" J" M' D2 e6 |$ Q
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。
+ }: H6 s; A& Q) G' k' H" {; F3 q8 f; z# ]! }
$ Z& F7 V, W% U: t自测图像 ) w" \$ P7 x( D1 Y4 H
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。
* q5 {! ]1 u! V1 O% w; A- S; a' l& b4 c) K2 w( ?
自测图像
0 l A. J @6 Z. `) i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 Z) G$ l$ e3 @0 ]- ^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。
2 R4 o$ X; j9 {! w. t$ b) u
}1 |( f, I6 {( L- _
! j/ C9 @9 p5 v/ U4 _: i. S5 {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。 x2 @# |" u; Q( K4 q+ D) i
% ~9 Z5 z, {$ H. y) Q; H/ P' c& N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。 q. t5 ~( e& J t
图源:arstechnica and meta ! f7 v0 d g/ @: P( F4 F* D
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。 0 h/ d; V6 a8 i, w
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。 & l- ~) h3 V3 V# W* a: i9 K7 X8 B
+ G4 h2 _4 T3 ?' Y+ ]你觉得呢? 0 X: x; k- p9 E
% [5 a+ U; O6 J2 o
* [0 T# c1 q1 g7 Q4 T# D; Z6 d: l& k+ h
) |% b# B/ E0 E/ Z
5 g1 r, k" D2 I' C( R" s
/ c) x- s) U+ s( ^7 y0 M _+ D
|