【案例】
8 a S# n: E) S3 E. K 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
4 \" _1 k0 L: a6 ^8 B wAI 生成工具的偏见何时休?
5 s. t* n' P+ Z9 x8 |! D( ^9 B
5 u4 u2 `& B% N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。 . Q' N4 z5 x* h+ u
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。
' {! m' G5 W/ e2 m马斯克也被系统过分矫正了 / r- E( M; U J4 W7 Z7 D z
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。
6 U' r4 J. x- Z
5 \, @) r2 g5 r+ q7 L7 m5 S$ nThe 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。 2 V2 A& i( I- S% m
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。
8 A ^2 h! |) o2 B- v% X, f图源:Mia Sato/The Verge * V/ k: }, u3 a; V- V& u3 C' m# ?
不仅如此,调整文本 prompt 似乎也没有多大帮助。
: ?' L2 h* ^9 E5 R8 A5 D& a$ Z" o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。 : V0 M$ G+ a5 J+ G9 |% |% o
机器之心自测图像 ! d8 q4 Q& b/ [( U. l
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。 3 D, k: Y) ?+ {. _$ [* E+ |
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ( k) ^% K+ H6 q" l8 c5 ^
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。 4 p$ R7 G8 @+ q6 f. ]3 \
8 d0 R# O" e' x& b6 b" J3 S自测图像 ! q$ @$ C6 J0 J; e1 R- H/ B2 x4 d8 e
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。
! ?' }6 Z0 u: S; k! g, j
" A \) w& m; V, C4 J' r+ M' l: a" F# H, `8 `
自测图像
% i9 ]$ |5 T8 f0 a G$ p _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。
8 z$ c' w+ l! |/ J% \0 @, @# O5 T3 T* s6 S; k; [
自测图像 - H$ J2 c C4 B+ X
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。 ( y/ e! }7 r8 Q" X7 t8 |
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。
1 u* g; g3 | H$ e2 F/ \8 O6 S4 Y; r( x1 |% Q: u) A
" k9 E8 t% A3 c) U" B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。 / {; \6 c E" Z( `9 g4 Y
) G* r5 j* `0 h* F
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。 ) U0 I) {8 d1 |; R* j- D5 c/ H
图源:arstechnica and meta
; s( L* F( k6 D: c- q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。 & a) ^9 O8 K7 T) Z% J8 K
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。
6 @9 f; ~& ^, u4 f. R& A
+ W, @8 N$ i, ?* k: E6 x; L你觉得呢?
4 ]' J% E0 t, V& I" c. ?2 E* |; V5 a
4 {. W+ z9 N" p& N7 q
* u6 H, s# G( x; v# }) W) _+ R6 `- s z5 i% M
# `; a# f7 {6 k1 o3 H+ M/ j _- m4 a# z* t
|