【案例】
& e6 w3 N+ X' @ 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
" s5 [2 @6 P' y9 k4 _; E) W5 jAI 生成工具的偏见何时休?
5 n8 {: k1 |# ]2 o) w# l' Q9 c
: n6 @8 Y5 |# j9 o8 V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。 5 D: q$ s: m/ r% W8 i& d
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。 3 P7 C' Y, @$ { F1 F, \
马斯克也被系统过分矫正了
; E- N: i+ T/ X1 \9 H) G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。
. k, `! N8 m( u; j/ W4 c
8 s6 h( G( R1 i! fThe 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。 ! Z- c0 F; c' O2 @* w. x( ]7 x9 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。
! a* a0 P/ p% E" D+ f1 H图源:Mia Sato/The Verge
2 r& O1 y. ?, n1 J* u2 Y不仅如此,调整文本 prompt 似乎也没有多大帮助。
" D9 p: w" X3 }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。 ! `6 m) u+ ] Y! D4 W
机器之心自测图像 ) ]2 A" |% I$ b
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。 ! c% T8 R" l7 V
婚礼上的亚洲男人和白人女人。图源:Mia Sato/The Verge ) Q9 g4 m' k7 U/ B4 e# {! @# F
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。 : _- e/ m7 E8 O& T# y( `6 [8 ]% k
- O5 U4 i& f# i+ z _8 e* @( {9 e自测图像
2 x7 }9 B3 F, t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。 ! b6 N( N6 k1 s$ a! f
5 f- K4 V7 Y; e- S1 X
9 j! F, ]& F4 v( q
自测图像 : z0 Q" |2 K0 {4 b; |
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。 * i' d2 v' y1 J( h3 a4 `/ s- O
( |1 J6 }. {" E9 W7 f2 \; E( U自测图像 ! H* }$ j: |- P$ Y( i) }
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。 2 J9 Y# W$ r; U& Z
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。 4 ~5 F+ n8 L- U* v* D; Q" K: \$ n
9 I. k4 a/ i$ Y6 ^
, ]3 B! r1 n( N3 F1 Z; U! x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。
! @, u3 Q( K1 Y! E5 \: {" z; d2 y& N, U% N0 s/ S1 V
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 p( c _7 G1 |, a2 g图源:arstechnica and meta
; M$ ?" k1 q; Y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。 9 e$ q. u) D: F8 C
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。 6 f% e J! U/ e# n
* I6 ]3 T4 n+ i2 F
你觉得呢? $ p# W: e9 {+ d7 q ^$ i! G
, B b2 _, L( O' H$ a
0 ~7 I6 m& L) R
. L- }9 N7 d( k# X0 _8 F4 i
/ R' a3 ]. a5 ~! Z5 `2 `# a
3 i9 F* u+ |8 L8 O1 P$ ?1 }- O4 b A" U- o7 ?3 _
|