【案例】
8 ^0 B- w0 \7 `* J 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 ; S) k" _& n7 R6 l8 W7 g
AI 生成工具的偏见何时休?
( }/ w& R. X1 O
2 H: `1 Q: I& f, E9 g8 H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。
" d' n6 z1 @$ }+ P7 G1 f( 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。 }; G- Z: F! O" F
马斯克也被系统过分矫正了 6 K! F# G+ M; L2 ?
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。
! K' s8 ~- b1 u+ D' O# v5 ~5 n# b( W, B0 R/ f# h
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。
/ l1 ?) M+ `8 b4 h5 m- [' 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。 & o' F" P2 m; c% k$ c [
图源:Mia Sato/The Verge
# }+ E- }1 w: w- j# f+ U不仅如此,调整文本 prompt 似乎也没有多大帮助。
/ G* u- o. U) I6 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。 % a+ D4 J. n$ v" f3 u6 t- y
机器之心自测图像 + h9 l) B3 i5 D1 v, 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。
7 |* K/ N! S1 ` x. m婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
2 B/ I) g) K1 m3 y# E/ W% i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 S5 V3 F n/ o
8 \ A w7 {, M自测图像
& y, G6 d* o0 U+ i/ K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。 ' T2 n* Z; y$ }: C' P
6 o0 H, k; ~! k1 U- Z% D
" H4 F' F8 J$ V* k! v* [. D
自测图像 ' ]/ l* K: G$ H* ?% j# u, A% Q5 J* h
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。 2 _6 p- j* K" H: i, Y7 L: w) ~
1 p$ S$ }7 y8 v8 `9 R
自测图像
* \" j; A! X- h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。 5 P5 N# m- `# O2 d, C' k9 s7 {
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。 . I# r; u v0 O+ v2 X, f7 b
) {/ l: M9 x' {! R" g0 J
5 f- W" {2 u- @! v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: N' b; @* O0 a: C1 A
) w% A! @, k: D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。 6 S* x \! S2 @
图源:arstechnica and meta
$ b- v. l1 I+ _6 E$ [$ |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' ^/ J7 _# ?6 {: ]8 M
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。 9 x1 B2 U' T9 y
# e& @% O1 K x( Z" Q
你觉得呢? 9 p1 w# Q# C$ G' H% i f- A/ C
% R- Q7 q+ X/ a+ u
! y/ f" z5 J$ f$ ]0 y4 Q1 {2 _: C6 W: ^( S$ ^5 F
4 k" R, v, v6 M0 n/ S
% u( l I. m# R* a1 c* a, t% T9 `: g% u5 d) h& n
|