【案例】% X6 F0 U7 s% o" T+ ^: r/ 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
7 Z! L) ^- l! @$ u6 XAI 生成工具的偏见何时休?
* G; g7 o w9 v% _" k/ o$ |0 I ]+ G' w# Z$ E' E1 Y0 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。
{8 ~2 m4 i% e' W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。
! C% C" ^- T5 ^3 H马斯克也被系统过分矫正了
5 N( G( j+ S& H9 v+ G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。
7 \" N; j# t9 _9 g8 y
+ R x% O* a7 l! 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。
* E* D6 d9 [6 P6 D3 ~' f! o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 D3 p6 ?% I) V3 b' k; ?: s
图源:Mia Sato/The Verge 2 A1 f3 L, ^ Y. t$ i% [
不仅如此,调整文本 prompt 似乎也没有多大帮助。
! ]% ?9 e- P- A1 a' H; ^) ?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。 9 ]* z2 z; @- `( g# N) X# Z
机器之心自测图像
% ^( ^2 P- T+ r7 T' ?0 H% |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。 * Z/ [* K# x" d
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
h6 B0 J" K% [* R) D1 E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。 7 [' _6 m) ?$ s
; ~% Q2 K: J( P- C: r自测图像 : g9 a5 j; h4 a T) ^9 ~* J6 O
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。
9 ]) }9 ?( c5 H' }7 [6 }4 e/ ^: | H$ `! S% H
$ m8 G1 Q/ O! _# v* K- m% Z5 q/ U
自测图像 9 T! g0 j9 z* P% v
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。
% S+ c# A" K% d- K2 p
5 W3 g7 {* B% i0 z自测图像 - Q0 t: D3 [5 @7 P" ~' t7 X# q3 b. G$ m
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 Q( _) n4 M- `3 V8 r9 g$ W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 E' s7 s. K; G; g
5 u, A1 f7 O: B- q) m7 Q
% E+ {. \3 B, Y$ z* F9 k) 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。
+ o3 _" U3 O# ^# }4 C0 ~! H4 }) U( J
1 | c0 s6 ?7 T+ o8 B# p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。 M; H* A0 v7 j# E7 \0 u7 @) h
图源:arstechnica and meta ( c1 T. \" @- t2 n5 ~+ `
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。 8 V0 u% q$ g9 K7 q; a6 O- g
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。 $ I4 I9 T: J# v0 I( L" g
0 B5 _% ]2 n4 I& f9 J3 g你觉得呢? : R1 M5 C; Q. t o z/ \
& y: V, E: y* W' g& ~- k
2 E+ g; P- n6 a6 V& [3 k' E) X; u3 x3 J8 h: Z, T! s/ b
" Y O4 d6 P( w8 K0 m$ ]
4 x1 M- K3 M. J) k- F: z, Z c0 k9 `- R4 t; F& K1 q) T, N; I: k
|