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

刘海明

【案例】
7 q$ ~! D" ^. Z2 T

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   

AI 生成工具的偏见何时休？
* S1 G( }' j9 ]+ _: R, @% 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。

( m! s2 {& L% [

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。

马斯克也被系统过分矫正了

9 C+ a! e! J! g9 \* 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。

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。

( C6 ?& G& {/ X9 n$ T7 _

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。

图源：Mia Sato/The Verge

不仅如此，调整文本 prompt 似乎也没有多大帮助。

! k9 i; L& m% a* h& S2 x5 P3 c

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' h+ U4 G3 Z2 P# o1 Y  R/ e- `2 l. t

机器之心自测图像

4 r% L% t! q" ?3 Y2 |2 I! |

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。

婚礼上的亚洲男人和白人女人。图源：Mia Sato/The Verge

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。

自测图像

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。

- s" h. L3 [. D

; B( ]. K9 g. L
/ Z& j0 L& T2 \0 n* L

自测图像

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。

自测图像

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。

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。

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+ L  X" t4 ^

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。

图源：arstechnica and meta

' _+ {- L+ _8 x! K$ C

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。

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。

$ H7 n  ~  H. K1 v6 @0 u9 `9 t

* o& o: {9 z* i# y- J

你觉得呢？

原文链接：https://www.theverge.com/2024/4/ ... asian-people-racism
9 L9 d2 n9 R; ~; `

( m* m$ f# R& `  A# I6 o

来源：机器之心（公众号）
链接：https://mp.weixin.qq.com/s/eUhOxh5qlGQHOGqgPgFqPQ
: `; y& _: o9 @0 W( a5 g# F0 K编辑：李梦瑶

- X" l  x1 i% s3 i/ X$ O& p

, z& {9 R1 ]0 Y6 d8 c