【案例】
) R3 @3 e* c. g 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
0 L& {+ x, e5 n6 R+ BAI 生成工具的偏见何时休?; G2 }* D" m" e/ @7 b$ h. {( X
9 h# F6 i3 O! 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。 # F" T' z( G" o3 Y W$ h
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。 9 u* N4 M9 g2 t
马斯克也被系统过分矫正了
3 j9 u: v$ U7 v* A% o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。 $ V R( H4 Q& y: S; n0 _
4 V' w/ i5 i' F, j2 X( pThe 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。 + K" ]- \& U( q# |9 S/ K# i) 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。
) ]" E& Y3 I) D% L- {! x6 y图源:Mia Sato/The Verge 4 i9 N) H3 |; J/ W* }' d' s) W* d
不仅如此,调整文本 prompt 似乎也没有多大帮助。
X/ W2 n; N. T1 s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。 + b' a" ?! y0 z X5 u, T4 a
机器之心自测图像 ( l; C7 [/ F+ j
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。 + m( H# W" R: J* }$ \" D
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
" B5 r% n9 K6 ~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。 ' s9 R- m# J) s
6 B2 [3 Y w8 E. s, v# x自测图像
# _0 R9 ]' `! ?9 e! m% |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。 2 f6 f# }5 I; a: |/ F5 W
7 b. {0 N' \# H2 q, i
* d- \) Z( ?# M B0 t" I9 W- ~# O' k自测图像 0 R* s# [9 [% a3 c7 X; g/ |/ T
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。 + C6 Z5 W1 h( [7 t6 u4 {6 i
P" |' z) C0 f2 a9 P- R) l; K6 ^自测图像
$ V7 Z6 p B6 t) j' y' W. U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。
) a) p* s& P, g, c; r! P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。
9 A: O! u$ X- w+ b' Q, C. r) `! ^
. r% K8 A9 m+ B4 e: M
7 F+ k- K8 w, }% N1 b- l! y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! [8 T& K9 i3 ]; O, l8 U
6 \$ t. d. P& p1 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。
i& O1 |3 T8 g' J' U/ q图源:arstechnica and meta
' o# X8 u+ g5 b5 `* H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。
e. _( ~ C( K- s$ Q% V- s) y3 f. A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。
# U6 Q+ ^# i, h ?" g; N# v
7 N# M6 W9 P, x& W7 \, p你觉得呢? ) K- j& F0 O7 w( p$ p' e6 b
! G( @; r8 K) N, E/ ~9 P' ?
) A+ G/ i( v' e4 {& A3 P" K& M# |% L$ I) Y# C/ _
' E/ q v1 W3 q6 N$ `' S
1 g; M7 }& K5 v+ c* A
) O' ~# {, W* _: K |