【案例】
7 m" X9 y- ] m4 z3 g- i" E, } 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. N8 D" y! Z' `. \AI 生成工具的偏见何时休?
3 ]" G) m2 d, d/ o1 d3 W. Z, [ \! K* K+ m
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。
) h- _( w. p% C" B1 Z2 r2 w- r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。
/ g L. k. _1 X$ K3 p马斯克也被系统过分矫正了 9 `, ~3 {" _6 P) J
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。
2 E- i" k0 z. h' W- K& {$ m1 E4 s, r. b
The 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。 3 Z5 B2 T L5 ^$ t; b% Y3 [
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 @4 M' s8 D9 H0 h; U
图源:Mia Sato/The Verge ( E- g0 R2 t5 V! P/ b( z& L J w
不仅如此,调整文本 prompt 似乎也没有多大帮助。
% v I+ t1 @ ^* c' h$ m8 j: d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。 4 |/ d' a* Q; Z, @5 @
机器之心自测图像
- O& W( c D' W* W) @8 F( x1 b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。 1 \+ z4 i( L1 U7 j P
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ! E3 l. d$ w; T5 S" \5 `- W
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。 9 |) I$ k* W6 p7 ?, I
8 I1 t! Q1 {& J自测图像
) W4 T# Q$ M% |# |2 V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。 7 Z# q, N- N" h+ _9 M3 {* ?* d4 [
( N) m! b- V; k3 I
: P* |+ z7 S( v) a1 ?) p
自测图像
* m9 J' V1 t9 h( G5 x9 [8 [1 K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。 9 f! ~9 f1 b% Y6 G8 N; p
$ F, }/ r; W) |9 U( O1 |自测图像
9 Y/ {) ?( K6 `% q a: O2 j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。
6 g3 S @! s5 t2 ?) ^$ A3 r7 B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。 . q; }" K- S' Z* C6 ?
6 J3 ?. Y6 x9 `; \7 |1 Q J" e6 m
- E/ _: H4 @& L4 e, G9 N
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。
$ {5 J1 y, f. q0 n
3 c, ~3 q( b- c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。
5 R& A( T7 } _, e2 i图源:arstechnica and meta
) ~7 ~0 Y5 i6 w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。 # z" c; g) R/ j$ g+ M: U/ l4 ~
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。 . E0 W' [; k2 m f) m3 I
. N% l/ {: i F8 j# u( k你觉得呢? 9 |+ h+ P8 h% |7 D) }
8 r' E4 Y8 D9 W H q
" d X8 Y; ] Q
6 K6 k3 `0 N' m$ M- p
- M) v& h$ b- I+ L, A3 g O2 s% a6 i% u* Z9 w/ g2 _. k* t2 \
3 |% f( C/ H8 \! T7 b
|