【案例】' N4 q$ R' Y$ }5 u! _- _; O/ 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 ! X3 ~7 y) R) n# r% _
AI 生成工具的偏见何时休?
/ }9 b6 q% ~% v, M; s1 z% D$ N6 t% L( 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。 # J( C9 l4 C2 c6 z: a
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。
! C9 M( `# U6 m; z; K马斯克也被系统过分矫正了 4 A- }8 R* D! `9 h4 C- e1 s7 g/ s
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。
) K2 r: L- G; j3 I+ v$ \
P# R7 ^1 u+ F/ p! \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。 ! {) e9 F/ A! f; ^2 o+ z8 W" @
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。 $ C6 O- K9 m) ]/ {9 q& t7 {
图源:Mia Sato/The Verge
: Y. Y1 g0 _2 B不仅如此,调整文本 prompt 似乎也没有多大帮助。
6 \. M" o7 T3 l% j. 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。 7 s- {7 Z) J5 h& P n3 m$ t
机器之心自测图像
! W: E/ A) ^$ z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。
& M6 A! a/ l0 }+ G婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge
3 {. E6 J+ A/ B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。 7 p, i- `/ D) |% E5 p% u2 B
) C7 I8 _( K0 q
自测图像 0 c8 o; S! V& K/ Q
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。 ! ^5 g6 J, Q. V4 I5 U' j& Z
- I8 L, O4 \6 e8 M9 n1 x
& p. E# q( U' x, l! D" y' F
自测图像
: l. _3 a: \# S# Z; O6 u" s) u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。
7 j+ }6 I+ P. ~% V3 [2 F
6 K. i; v8 B, P" w$ p6 |自测图像
- q) `; g7 V6 M4 s3 e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。
. Z2 t# y: v$ O1 n% h6 R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。
F6 {: u: ?* t
6 M9 c, F% B/ e0 |; C b( C) w, ~+ {$ e
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。 - e" y/ O# j9 u% e% K+ n5 v- z9 l
0 j5 T5 H& E$ p# e/ ?8 N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。
8 z% |# Y. N4 l/ `% ^2 ~图源:arstechnica and meta
- H, h& u5 O- E+ j+ w: j" \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。
0 Y6 V- _6 k3 ^% ^5 H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。
$ D8 ^3 R* H* a" [/ J2 g4 E1 z* P/ `* l9 |9 _
你觉得呢? 0 F* J/ u( U" Y. k$ d9 C: q/ h: d9 B
/ H# d' d' y, W y" Z( c9 O5 d
6 R/ C& P0 m+ a
, D- l4 x! V- U- c, t! D
) z+ ?# t$ g" S- i. A! t: U( r6 P) Z! H! H5 L6 E0 {, f
3 n$ G/ n# N0 g" C. w |