【案例】
, F9 W; Q/ ~+ ?# A. k0 [' y 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 , U6 J! L7 e# a5 P% s: h
AI 生成工具的偏见何时休?' @& `/ N& ]0 |* M/ D9 ?$ G: ]
- c' s/ ^; N, W0 g* S* p( v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。
/ W$ b/ p: |+ h1 d; }5 J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 t! W/ x) F- ~3 s3 J8 H: Z马斯克也被系统过分矫正了
% f9 \) P9 w N( u: E/ m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。
) E4 y/ S4 L0 B- F1 P
, @) _+ ]9 D/ J9 I3 W- hThe 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。
( G; ]& F6 I' u ]+ N6 W! G; d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。
' k! l5 ^8 u8 a) ]4 _5 n图源:Mia Sato/The Verge
& `: A5 p# t1 f+ b1 K, g不仅如此,调整文本 prompt 似乎也没有多大帮助。 . @3 g9 N$ I$ X4 U/ W
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 P5 r- f( S4 \- q5 M机器之心自测图像 ; X$ s2 l5 E; y; N/ f; H9 G
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。 ; C$ G# ~7 I$ i5 F7 L' }
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
7 a1 v: D! B5 R' E/ t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。 1 I8 M! m+ w. d
5 u/ [# @5 j7 c( F* {& q自测图像 , D8 e- R+ y- Y# J0 q g: f, C
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。 ! l( R5 U9 k7 R, N3 w
, Z* j6 ~6 V, Y6 U$ u
$ }$ ?: r5 w( F7 M$ `0 k
自测图像
9 F- v5 H# X" d* j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。
$ V0 c2 U! V/ Q9 o5 k( e
$ Z: J, `2 ^' v" i6 ^! h9 h自测图像 ! I9 z% U/ T$ j7 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。
/ l: i8 s; G" p! a. M3 R D: ]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 f% ?8 h. v. \
' h+ a. f: P) S1 ?
~( r& ^+ L2 ^* }$ ~* s/ d0 g( `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。 q. C0 i( u7 e& p+ u( i6 h
0 e1 [& Z0 x6 c" v8 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。
: u$ ]& {9 n6 H. K图源:arstechnica and meta
: g, |: H: x0 I. i; S0 N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$ q [7 v% S+ |) y: r* [$ i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。
/ ~5 B" x! d7 X1 M1 G" c# o# D( u
你觉得呢? % u2 I1 M/ U& m
8 v( f4 f5 p+ r+ O4 J
$ q/ m. i: D- d' E+ Y5 x: C- I7 V
2 I) a- ^; \0 ~( D, X
2 k7 x$ J5 H' G0 X
; H7 k, _5 G7 b1 X; D; N) i o/ ~ H" g5 ]' {+ g& g
|