【案例】
) H A8 x/ f( [! j8 y, T% J* ]: p 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
$ |& ]4 b+ N% WAI 生成工具的偏见何时休?
* ^( p. c- {; @
, R5 V- p7 j0 X4 Q R7 P$ } l# \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。
1 H( s. n0 I; t) a" P! ] k E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。
- T S! b9 v7 a& Z6 d3 @* i$ [马斯克也被系统过分矫正了 6 J' K: Y7 T7 H* M) H
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, d- J7 n/ L, L
& }1 X2 {1 P2 ^( y+ XThe 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。
: X' B% T9 G6 y/ A2 I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。
- F* K; f: D# y" m2 g图源:Mia Sato/The Verge
& l, J7 v$ K" T" g0 g6 v2 t+ f8 R不仅如此,调整文本 prompt 似乎也没有多大帮助。 - |! B! @: c9 i' R
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。 3 V X/ A9 k) \/ h7 V |
机器之心自测图像 ; }( Q" Z8 y- o: f
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。 , L) H, X8 i9 W; B* X
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
/ Z# D E' U S# j, m3 B5 \: a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。 6 O/ t: B0 \* Q$ }7 r
& s9 n0 ~2 w3 c0 Q1 q* [; d7 Y
自测图像
4 a) ?4 r8 ~8 |. Q! y+ 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。 ^$ N9 b# I1 {. [' Y% V: O q) M
1 ^ r% J* Z3 _% v% |& b2 R8 K! J! d$ C R% `2 S5 x- m
自测图像 , ~6 K1 M% e: q* A- f8 k' ~6 \
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 O0 l, @# x, n0 T: K
0 T/ o. y: s) W; \' U自测图像 * ^0 W4 M0 V# l* l5 u# t& T( _9 {
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。
1 E7 l. \" `5 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。
* |. Z$ _6 B* x% ^) P- R: v5 H% C' Y4 ]
1 k, k- x7 }: q9 S E, N* o
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。 ; \4 N# x, G5 V2 I- p( X Q2 H" s, O
: a) c8 H+ Y: |7 z9 L! s& Z6 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。
) k" y L8 [% Y8 ^( }图源:arstechnica and meta # h. j, b8 C7 S6 ?3 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。
2 ?" p* g7 L: A( Z" w) {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。
: ~5 I1 B! O) c6 \; \4 F6 Q3 F1 E- m3 U- O; d/ v
你觉得呢? 8 G% Q0 w# ~2 v. u1 c f v
; t9 S6 E3 }' w
7 o3 V; a7 Y0 o9 q9 x: U; L) j* Y* \5 ^4 f: r5 i; P0 u& j$ p0 @
0 J$ }8 @- W5 }9 @* L3 z* T5 {8 v3 L5 F5 b' J
6 L: Q4 a# Y+ e; w+ h/ d |