【案例】: b: f4 z. w8 h$ C+ N% ]
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 5 L. n+ i6 W3 H! u8 X! U
AI 生成工具的偏见何时休?
. i- |) D4 ^/ A* P5 i1 D$ @8 ^4 H; |- a0 r
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。
7 t7 w' m' a) h& B4 M( 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。 2 s* o5 c' d. i5 [) w3 Z8 I% F
马斯克也被系统过分矫正了
9 }( A, E2 X# j/ S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 T( ^" H& a9 P3 R& n& U& W
- V# E w) D- r+ I ZThe 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。
" z- Z: ~ F2 R2 j G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。
e3 _2 b. X4 {- \图源:Mia Sato/The Verge & B8 E g$ Y* v7 u
不仅如此,调整文本 prompt 似乎也没有多大帮助。 ( b; } T1 z8 c1 S) }& Q4 h# 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。 0 F, _" J* Z1 E0 x2 f
机器之心自测图像 . A- \: }! K0 V; `
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 M* G7 W: ~$ |+ {& \) C) {/ b
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
/ P: L- f0 `7 T0 Z( d, v; r# b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。 % C- b7 ^0 w/ E
. A. U; V. |4 M自测图像 6 z0 I* V( q; e( t! g/ {) c! X8 N
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。 4 i" Q. l) U" P; ]+ k* x
V/ n8 c& u- u! D4 f3 E" R( s& e( E, B
自测图像
" E( n# x! g, K- v7 ^; B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。
7 H; n' j4 w( i* a6 t, R* w4 V! Z2 Z" s3 w% W
自测图像 : B! X& q2 V7 e7 Y3 ~
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。 , N$ h& |; K: [5 a* [$ B
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。
3 {8 l: \/ ^7 p/ p6 G. E! @) v9 }, K: S& \( {
^5 E$ O6 g* u9 g5 {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。
& W( q+ B1 J- N c" ^$ S
9 m( J9 L3 L+ r1 X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。
" Y- G5 E2 O) ^7 r图源:arstechnica and meta ?+ j4 M/ o7 Z& }# @
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。 ! b* l! H( W* w5 M+ v- `
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。
1 r4 C( a) H1 d* C
) Y0 ]: G2 Z+ l% E你觉得呢? 9 B5 H# D" C0 V7 k" u% s
' |9 W, G) m1 p! d! s9 {
0 s6 c8 U- E4 g. S1 j( J
, Q4 F- V) H8 n! L
" h! w. v m0 G- K
# D, |4 d7 J5 I: M! j, h
/ {4 x% A! f N |