【案例】 P( s# f# h- ~" c
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 ) q; T" K$ y) U1 ^- z6 S
AI 生成工具的偏见何时休?
% F7 Y9 F& `& I9 A- }
* y: p/ c( |( G/ j8 ^8 K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。
6 A4 k: a+ I) q# l4 v" D2 M* F: q- g! [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 @% }, }3 b0 l: u$ {: ?% V
马斯克也被系统过分矫正了 ( h& J, r) v5 g. d; U1 g5 f
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。
4 e7 B$ s0 g' M9 x( x
6 f% z( G) R$ w, y) x2 @/ T) ]1 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。
: i/ J; }: ]0 v3 E7 N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。 F& L9 a3 S- A8 l
图源:Mia Sato/The Verge
- U0 `+ w9 o' W8 a7 F不仅如此,调整文本 prompt 似乎也没有多大帮助。
5 ~' W5 j% d, x. U1 m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。 % z2 ]6 @$ p4 Z4 t& g3 u2 J
机器之心自测图像 ; q( c$ b* S0 O$ l1 P
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。 * S0 q- e+ f8 }5 ?
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
( j ^8 ?& W, Q) ]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 U! N. K+ o) A* B* K
; _' I `0 i) _8 |1 e自测图像
2 Y2 V) V" _, g) H0 y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。
# Y+ p0 B% n0 T7 @9 j
3 C: Y0 p2 k7 u/ L) {) V0 s& j
* l) j# k C: V自测图像 6 d1 ?* k5 O A- S; W1 G
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。
" R5 y G: e5 R/ t
9 n/ ?* J! n- w% o/ C" w" I自测图像
! P5 \% ]4 T1 |1 T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。
/ D( u/ t) d% E, C8 G; ] t+ u" m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。 & x$ Y6 X0 h2 x/ ?8 \
. [2 U$ D. u5 t9 Y" ?; ]. ]; Y
4 N2 F2 Q6 r: i' c: y0 V; G4 E: }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。
# x/ I, c7 O7 Y6 b* V
( b+ n; N0 i$ ~3 ^. D1 ~$ ?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。
: m3 ] M0 i, C- F! K; N& u图源:arstechnica and meta $ z" B6 ~5 ^7 P; j& y
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。 0 q7 q( z( t, z+ ?% h4 q
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。
! T: T, z7 S! j! s+ t0 @* s
+ J$ t6 \) y' Y+ w9 R你觉得呢? ) W. S) c9 A: a% c, f/ n
( p' K) q# x! u
5 Y4 z; T0 f, {$ |
+ @3 A. e: J; N5 |7 x, p0 a/ p. z; Q- A
2 K$ q: e3 U7 t5 ]! i
% H$ A$ L& R% S6 S8 u6 z |