【案例】 f N, }: w% H) P) l/ X7 U( z
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
6 x, y+ E% h+ V u4 Q9 t1 [6 o \AI 生成工具的偏见何时休?1 \0 e6 k6 d1 Q% I
2 }+ Z3 B( t7 R3 \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。 x# n3 h( t4 h) O, B
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。 ( e# `! g4 Q0 e8 Z6 H
马斯克也被系统过分矫正了 - ~! N; q% a/ E# {
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。 * E" x+ q( ` M2 L5 x z$ o
7 r: T" s/ z5 J( @, S
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。 : L9 r* S; l. [, u7 A5 {5 n2 I& k# t
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。
& w; q, G3 |2 L' G图源:Mia Sato/The Verge
9 {2 t* T- f R& c不仅如此,调整文本 prompt 似乎也没有多大帮助。
& ? W5 M2 y! g( k0 S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。
2 y5 ?' ?& B/ W# K. b/ p机器之心自测图像
5 z( A* ?6 j2 Q5 o- C' W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 W$ d8 ^8 {6 w
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ; Z, s: {# v4 E
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。
/ ~# A4 N$ C) P$ X9 A" j
* W8 K2 f% x* l: u自测图像
; y: z+ {/ x* ]) v H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。 9 f" D O) B F; O0 B# \- _+ a( i
3 P* O* Y+ d6 R! p. ]
2 Q( x' p3 M, _7 ?" ^# i6 B, G3 b自测图像 & \6 |$ a: C$ d- T8 ~
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。 8 f8 o0 X4 I7 X( |
6 S+ l. z2 i9 w/ ?5 `" B
自测图像 * w1 [, ^6 A7 b! w& v
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。
' @0 _6 Z" {) 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。 ' e4 f1 G# l# u+ H( E
0 J& B/ i% y- e ~2 @5 k' Y7 m
1 X- Y2 _" A8 a( F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。
- D, T, |0 K% _! t
6 D; h+ L# G4 r. F( K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。
& _9 ]4 E g1 Q* i2 q图源:arstechnica and meta
& m' f4 m) ~- }+ j+ Y( n8 C2 M' 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。 - Y$ k- o( N+ i% C1 }) `# \
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。
2 S: k) x4 w" C6 @ F3 k% R$ M6 L" G( t4 v
你觉得呢?
& X( d+ B/ y. t9 |8 p1 I) O
6 T6 p' e0 d; R% m3 }* Q7 t$ K5 C+ Q6 _; g
1 H, b9 D; @, @/ [
( ]5 a1 S+ A! X' K8 H) a) j, E' q4 t( u r+ y6 A" W) l
0 @, @8 ]5 R$ q1 V& V- `! I3 y: f# q
|