【案例】
! c! a8 F9 T9 ?6 l 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 z4 H9 o! l h+ @* _ n
AI 生成工具的偏见何时休?
8 i6 i8 i% R' H2 K5 M F& ?" x1 r: J$ q; j" \; 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。
?! M1 [! A. R. `0 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。
/ X& k* s4 D: {. Z/ q马斯克也被系统过分矫正了 . p3 K3 c1 { h' `, i+ @% b0 v
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。 $ \( U# ?$ l6 w9 a' C% E
, m9 r% S- Y0 z' g: q7 YThe 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。 2 ] U7 _7 g3 @# _ P
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。
2 {$ R8 t0 _- w5 o( T% g$ F# M图源:Mia Sato/The Verge
1 U0 p3 |9 t- G3 `+ ?不仅如此,调整文本 prompt 似乎也没有多大帮助。 / X( l+ a( g$ i8 J1 A$ d: f
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。
E ?. M# u+ i) w机器之心自测图像 5 u+ W: ^- U: M/ o
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。
8 X) D2 u x5 h婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge 8 V1 n& b8 c0 }- B: \7 j
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。 / C% r4 G2 S, |( w9 {/ A
- C% \1 A7 m- ]" H& q4 P7 ^自测图像
. [! }) z/ @' ^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。 ; E* u0 _9 z j; I. r/ d6 @9 F
: R* i9 ^. v* b, J/ i3 c n5 U) }4 D' A; ]
自测图像
7 l+ {0 t( j* q/ S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 S; {4 [6 q! R: ]8 x/ U- v. P4 i9 r6 A5 h
自测图像 1 ?& F- X: H0 q% p
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。 - [$ b- W: k7 a/ a- W
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。
: o9 E/ G4 t$ J: ^0 M* M2 ]$ ?( _/ B. s5 R8 e4 c
9 A1 I) {' U. K$ S+ T( ?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。
! P( u+ S1 r, n: I9 L
# p( O0 v: I4 _8 y- S5 I3 R5 m. ?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。 / k* |- _* Z* f5 \
图源:arstechnica and meta
8 }: i& U p! v Z& i0 O V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。
& V9 I& f# k6 [+ 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。 ' e8 @& E( r+ i; L6 w' e, a
2 F' x+ x: s5 U: C" T8 i4 K6 p" w0 N: f你觉得呢?
, u$ A- E0 z' ^, d, t
) Y; o$ @( J! h8 I0 n
Q" n6 ?" F: p, @# K2 z, k T' Z7 w* `
3 P1 W! V' L) [' A% n! q
8 v& E5 W+ F- x! V5 V1 [
) n0 P9 ]6 } v( }" Z, ^ |