【案例】
, l! R% Q% O$ U9 F" @7 N 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 . i1 j1 ?4 O9 w0 _$ S( b m. t
AI 生成工具的偏见何时休?
" o5 J& {0 [' o7 d% l2 t1 P- \# m5 K9 Q) ^5 S
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' x- m6 j4 [. m) Z$ X
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$ G* w5 I$ R2 M2 f: f2 ? O" K
马斯克也被系统过分矫正了
3 u" j0 t/ s: h% ^; Y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。
# n& T0 s0 B3 M' u2 q& i6 a# a& U {" ]+ F; G. R- ?
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。 1 N9 F/ t3 ^6 e" y, A3 |! A+ t5 Z9 x
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。 & y; C2 ^0 Z. g
图源:Mia Sato/The Verge
) c- V& u# |3 i4 \不仅如此,调整文本 prompt 似乎也没有多大帮助。 m4 b& ]5 Q& V1 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。
q% Y& ^" @+ ]& M/ K机器之心自测图像
9 {7 m# c5 f3 L1 n8 l g( V0 @( H( V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。 O0 A, D; l+ y F* p* U
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge & R1 y0 {$ j5 [
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。 ' F7 j) f, j9 {! ^
) S/ a/ ?9 q( B8 X. Z8 w; Z y自测图像 . i, Q' y6 Y7 P4 C/ K/ d+ i
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。 8 [) F( F: `7 B: F. I( o3 H( P
+ K% }6 [; x2 f" {% ?" g
' h+ S2 U* _5 |, `$ X$ C
自测图像 $ N ~9 X/ H6 y. F! C- _" }
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。
; Y# Y/ O( n+ V% {0 d& a: F. `# S) d. q
自测图像
6 d8 q/ j& y, K2 n1 X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。 ( h" u- v& |0 d' g
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。
; h, i5 t4 C( ?' W0 X- z0 p( a
' G/ C2 a" _: Y0 B$ t" B
4 M o" K2 t, ]! [6 A: v% S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。
# ^: K( G* t4 o# v# |* z
$ J+ [& R* w- ~4 W' [- l9 R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。 0 d) |7 w, n+ a. y9 Z
图源:arstechnica and meta 7 j( \/ h9 i2 i! j; A
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。
5 F J# G! _( 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。
( z5 |; v' E0 V, |7 B' @0 x$ W# J# l2 c: q5 K; b1 l7 Q
你觉得呢?
" I$ u$ R4 Y: ^+ T% O# Q2 M9 Z/ u$ \7 \5 j
# f# P4 t" \% B% E5 x/ T: d9 y
6 ~' R0 O. [, U7 R0 J. r2 P+ {
X+ f# |; N# p, b* F# [) r/ _' C! K4 V+ c
$ I G1 Y- q9 A |