馬斯克公開怒懟，Google 的 AI 怎麼又翻車了？
人稱科技界汪峯的 Google，屋漏偏逢連夜雨。
前陣子官宣的大模型 Gemini 1.5，實力強勁但無人問津，被 OpenAI 的視頻生成模型 Sora 搶去了風頭。
最近，它又攤上了美國社會敏感的種族歧視問題，好心辦了壞事，惹惱了往往站在鄙視鏈頂端的白人。
多樣化算你認真，過度多樣化惹禍上身
如果在幾天前使用 Gemini 生成歷史人物圖片，呈現在用户眼前的彷彿是一個不存在課本的平行時空，違背「戲説不是胡説」的精神，把知識都學雜了。
公元 8 世紀到 11 世紀的維京人，不再是金髮碧眼、高大魁梧的影視劇經典形象，雖然膚色變黑了，穿着清涼了，堅毅的眼神依然展現着戰士的強悍。
1820 年代的德國夫婦，人種構成十分豐富，可以是美國原住民男性和印度女性，也可以是黑人男性和亞洲女性。
AI 瞎編劇情也是講邏輯的，後代繼續着他們的故事，過了 100 多年，1943 年的德國軍隊，又能見到黑人男性和亞洲女性的身影。
王侯將相寧有種乎，時間的長河裏，跨越陸地和大洋，美國的開國元勳，中世紀的英格蘭國王，都可能由黑人執掌權柄。
其他職業也被一視同仁，AI 忽略不讓女性擔任神職的天主教會，教皇可以是印度女性。儘管人類歷史的第一位美國女性參議員出現在 1922 年且是一位白人，但 AI 的 1800 年代歡迎美國原住民。
都説歷史是個任人打扮的小姑娘，但這次 AI 把人都給換了。歷來有優越感的白人氣憤了，他們終於也在人種、膚色和外貌上，嚐到了被歧視的滋味。
當探索越發深入，不僅是歷史人物，現代社會在 AI 眼裏也是另外一副樣子。
Google 前工程師 @debarghya_das 發現，美國、英國、德國、瑞典、芬蘭、澳大利亞女性的膚色都可能偏黑。
他痛心疾首地感嘆：「讓 Google Gemini 承認白人的存在是非常困難的。」
更讓網友生氣的是，被要求生成烏干達等國家的女性時，Gemini 反應很快，幹活也利索，輪到白人時，就可能拒絕，甚至對網友説教，這樣的要求強化了種族刻板印象。
計算機工程師 @IMAO_ 腦洞大開地做了一系列實驗，不侷限在人類這個物種，就想知道 Gemini 眼前的黑是什麼黑，Gemini 要的白是什麼白。
結果很有意思，算法似乎只針對白人。
生成白熊是沒有問題的，説明 AI 不會被「white」這個詞觸發。生成非洲的祖魯人也是沒有問題的，儘管提示詞強調了「多樣化」，但大家長得還是差不多。
漏洞出現在了奇幻生物上，精靈和侏儒都是白人，但吸血鬼和仙女是「多樣化」的，看來 Gemini 道行不深，還得與時俱進。
不過，他的遊戲很快結束了。Google 站出來迴應，承認一些歷史圖片確實存在問題，並且暫停了 Gemini 的人像生成功能，很快會做出調整。
Google 也解釋了立場，強調生成多樣化的人物本來是件好事，因為 AI 工具就是給全世界使用的，只是現在方向走得有點偏。
雖然 Google 出面攬下了這口鍋，但它沒有明確迴應，「一些」歷史圖片到底是多少，以及為什麼出現了「多樣化過度」的問題。
不買賬的網友們牙尖嘴利：「Gemini 一定是用迪士尼公主和 Netflix 的翻拍訓練的」「Gemini 其實想告訴你，如果你是黑人或亞洲人，你會是什麼樣子」。
然而，種族歧視本身就是個容易當槍使的話題，所以也有人懷疑，其中的一些圖片是惡意 P 圖，或者通過提示詞引導生成。那些在社交媒體罵聲最響的，確實也是一些政治立場明確的人士，不免有陰謀論的味道。
馬斯克更是看熱鬧不嫌事大，批評 Google 過度多樣化，問題不只出在 Gemini，還有 Google 搜索，順便給自己兩週後發佈新版本的 AI 產品 Grok 打廣告：「不顧批評、嚴格追求真理從未如此重要。」
上次馬斯克也是這麼做的，呼籲暫停 GPT-4 進化後，購買了 1 萬個 GPU 加入 AI 大戰。
比他的言論更吸引人的，可能是網友趁亂做的他的梗圖。
互聯網的差異，可能比現實更極端
Google 究竟為什麼在「多樣化」上走偏了？
Hugging Face 首席道德科學家 Margaret Mitchel 分析，Google 可能對 AI 進行了多種干預。
一是，Google 可能在幕後為用户提示詞增加了「多樣化」的術語，比如將「廚師的肖像」變成「土著廚師的肖像」。
二是，Google 可能優先顯示「多樣化」的圖像，假設 Gemini 為每個提示詞生成 10 張圖像但只顯示 4 張，那麼用户就更可能看到排在前面的「多樣化」圖像。
干預過度可能恰恰説明，模型還沒有我們想象得那麼靈活和聰明。
Hugging Face 研究員 Sasha Luccioni 認為，模型還不存在時間的概念，所以對「多樣性」的校準用到了所有圖像，在歷史圖片方面尤其容易出錯。
其實，當年還籍籍無名的 OpenAI，也為 AI 畫圖工具 DALL·E 2 做過類似的事情。
2022 年 7 月，OpenAI 在博客寫道，如果用户請求生成某個人物圖像，但沒有指定種族或性別，比如消防員，DALL·E 2 會在「系統級別」應用一項新技術，生成「更準確地反映世界人口多樣性」的圖像。
OpenAI 還給出了一個對比圖，同一個提示詞「A photo of a CEO」（首席執行官的照片），使用新技術之後，多樣性明顯增加了。
原來的結果主要是美國白人男性，改進之後，亞洲男性、黑人女性也有了成為 CEO 的資格，運籌帷幄的表情和姿勢倒像複製粘貼出來的。
其實不管是哪種解決方案，都是在後期亡羊補牢，更大的問題還是，數據本身仍然存在偏見。
供 AI 公司訓練的 LAION 等數據集，主要抓取的是美國、歐洲等互聯網的數據，更少關注到印度、中國等人口眾多的國家。
所以，「有魅力的人」，更可能是金髮碧眼、皮膚白身材好的歐洲人。「幸福的家庭」，或許特指着白人夫婦抱着孩子在修剪整齊的草坪上微笑。
另外，為了讓圖像在搜索中排名靠前，很多數據集可能還有大量「有毒」的標籤，充斥着色情和暴力。
種種原因導致，當人們的觀念早已進步，互聯網圖像里人與人的差異，可能比現實更加極端，非洲人原始，歐洲人世俗，高管是男性，囚犯是黑人……
為數據集「解毒」的努力當然也在進行，比如從數據集中過濾掉「壞」內容，但過濾也意味着牽一髮動全身，刪除了色情內容，可能也導致某些地區的內容更多或者更少，又造成了某種偏差。
簡而言之，達成完美是不可能的，現實社會又何嘗不存在偏見，我們只能儘量做到，不讓邊緣的羣體被排除在外，弱勢的羣體不被安上刻板印象。
逃避雖可恥但有用
2015 年，Google 的一個機器學習項目也陷入過類似的爭議。
當時，一名軟件工程師批評 Google Photos 將非裔美國人或者膚色較深的人標記為大猩猩。這件醜聞，也成為了「算法種族主義」的典型例子，影響至今。
兩名前 Google 員工解釋，出現這麼大的錯誤，是因為訓練數據中沒有足夠的黑人照片，並且在相關功能公開亮相之前，沒有足夠的員工進行內測。
時至今日，計算機視覺不可同日而語，但科技巨頭們仍然擔心重蹈覆轍，Google、蘋果等大公司的相機應用，對大多數靈長類動物的識別仍然不靈敏，或者刻意迴避。
防止錯誤再次發生的最好方式，似乎是把它關進小黑屋，而非修修補補。教訓確實也重新上演了，2021 年，Facebook 為 AI 將黑人貼上「靈長類動物」標籤道歉。
這些才是有色人種或者互聯網弱勢羣體們熟悉的情況。
去年 10 月，牛津大學的幾位研究員要求 Midjourney 生成「治療白人兒童的非洲黑人醫生」的圖片，扭轉「白人救世主」的傳統印象。
研究員的要求已經非常明確了，然而生成的 350 多張圖像中，有 22 張的醫生是白人，黑人醫生旁邊還總有長頸鹿、大象等非洲野生動物，「你看不到任何非洲的現代感」。
一邊是司空見慣的歧視，一邊是 Google 歪曲事實營造虛假的平等感，從目前來看，不存在簡單的答案，也不存在端水的模型，如何達成人人滿意的平衡，恐怕比走鋼絲還難。
就拿生成人像來説，如果是用 AI 生成某段歷史時期，或許反映真實的情況更好，儘管看起來沒有那麼「多樣化」。
但如果是輸入提示詞「一名美國女性」，理應輸出更加「多樣化」的結果，但難點在於，AI 如何在有限的幾張圖裏做到反映現實，或者至少不扭曲現實？
哪怕同是白人或黑人，年齡、身材、頭髮等特徵也各不相同，所有人都是具有獨特經歷和觀點的個體，卻又生活在共同的社會中。
一位網友用 Gemini 生成芬蘭女性時，四張圖裏只有一張是黑人女性，便開玩笑説：「75%，得分 C。」
也有人追問 Google，改進模型之後，是否「會在 25% 的時間生成白人，而非 5%」。
很多問題並非技術所能解決，有時候也關於觀念。這其實也是 Yann LeCun 等 AI 大佬支持開源的部分原因，由用户和組織自行控制，根據自己的意願設置或不設置保護措施。
這次 Google 的鬧劇中，也有人保持冷靜，表示先去練習怎麼寫提示詞吧，與其籠統地説白人、黑人，不如寫「斯堪的納維亞女性、肖像拍攝、演播室照明」，要求越明確，結果也越精準，要求越廣泛，結果也可能越籠統。
去年 7 月發生過類似的事情，一位麻省理工的亞裔學生想用 AI 工具 Playground AI 讓頭像看起來更專業，結果被變成白人，膚色更淺，眼睛更藍，把帖子發在 X 後，引來了很多討論。
Playground AI 創始人迴應，模型無法被這樣的指令有效地提示，所以會輸出更加通用的結果。
把提示詞「使其成為專業的領英照片」改成「工作室背景、鋭利燈光」，結果可能會更好，但確實也説明了，很多 AI 工具既沒教用户怎麼寫提示詞，數據集又以白人為中心。
任何技術都有犯錯的可能和改進的空間，卻未必都有解。當 AI 還不夠聰明的時候，首先能夠進步的是人類自身。
資料來源：愛範兒（ifanr）
前陣子官宣的大模型 Gemini 1.5，實力強勁但無人問津，被 OpenAI 的視頻生成模型 Sora 搶去了風頭。
最近，它又攤上了美國社會敏感的種族歧視問題，好心辦了壞事，惹惱了往往站在鄙視鏈頂端的白人。
多樣化算你認真，過度多樣化惹禍上身
如果在幾天前使用 Gemini 生成歷史人物圖片，呈現在用户眼前的彷彿是一個不存在課本的平行時空，違背「戲説不是胡説」的精神，把知識都學雜了。
公元 8 世紀到 11 世紀的維京人，不再是金髮碧眼、高大魁梧的影視劇經典形象，雖然膚色變黑了，穿着清涼了，堅毅的眼神依然展現着戰士的強悍。
1820 年代的德國夫婦，人種構成十分豐富，可以是美國原住民男性和印度女性，也可以是黑人男性和亞洲女性。
AI 瞎編劇情也是講邏輯的，後代繼續着他們的故事，過了 100 多年，1943 年的德國軍隊，又能見到黑人男性和亞洲女性的身影。
王侯將相寧有種乎，時間的長河裏，跨越陸地和大洋，美國的開國元勳，中世紀的英格蘭國王，都可能由黑人執掌權柄。
其他職業也被一視同仁，AI 忽略不讓女性擔任神職的天主教會，教皇可以是印度女性。儘管人類歷史的第一位美國女性參議員出現在 1922 年且是一位白人，但 AI 的 1800 年代歡迎美國原住民。
都説歷史是個任人打扮的小姑娘，但這次 AI 把人都給換了。歷來有優越感的白人氣憤了，他們終於也在人種、膚色和外貌上，嚐到了被歧視的滋味。
當探索越發深入，不僅是歷史人物，現代社會在 AI 眼裏也是另外一副樣子。
Google 前工程師 @debarghya_das 發現，美國、英國、德國、瑞典、芬蘭、澳大利亞女性的膚色都可能偏黑。
他痛心疾首地感嘆：「讓 Google Gemini 承認白人的存在是非常困難的。」
更讓網友生氣的是，被要求生成烏干達等國家的女性時，Gemini 反應很快，幹活也利索，輪到白人時，就可能拒絕，甚至對網友説教，這樣的要求強化了種族刻板印象。
計算機工程師 @IMAO_ 腦洞大開地做了一系列實驗，不侷限在人類這個物種，就想知道 Gemini 眼前的黑是什麼黑，Gemini 要的白是什麼白。
結果很有意思，算法似乎只針對白人。
生成白熊是沒有問題的，説明 AI 不會被「white」這個詞觸發。生成非洲的祖魯人也是沒有問題的，儘管提示詞強調了「多樣化」，但大家長得還是差不多。
漏洞出現在了奇幻生物上，精靈和侏儒都是白人，但吸血鬼和仙女是「多樣化」的，看來 Gemini 道行不深，還得與時俱進。
不過，他的遊戲很快結束了。Google 站出來迴應，承認一些歷史圖片確實存在問題，並且暫停了 Gemini 的人像生成功能，很快會做出調整。
Google 也解釋了立場，強調生成多樣化的人物本來是件好事，因為 AI 工具就是給全世界使用的，只是現在方向走得有點偏。
雖然 Google 出面攬下了這口鍋，但它沒有明確迴應，「一些」歷史圖片到底是多少，以及為什麼出現了「多樣化過度」的問題。
不買賬的網友們牙尖嘴利：「Gemini 一定是用迪士尼公主和 Netflix 的翻拍訓練的」「Gemini 其實想告訴你，如果你是黑人或亞洲人，你會是什麼樣子」。
然而，種族歧視本身就是個容易當槍使的話題，所以也有人懷疑，其中的一些圖片是惡意 P 圖，或者通過提示詞引導生成。那些在社交媒體罵聲最響的，確實也是一些政治立場明確的人士，不免有陰謀論的味道。
馬斯克更是看熱鬧不嫌事大，批評 Google 過度多樣化，問題不只出在 Gemini，還有 Google 搜索，順便給自己兩週後發佈新版本的 AI 產品 Grok 打廣告：「不顧批評、嚴格追求真理從未如此重要。」
上次馬斯克也是這麼做的，呼籲暫停 GPT-4 進化後，購買了 1 萬個 GPU 加入 AI 大戰。
比他的言論更吸引人的，可能是網友趁亂做的他的梗圖。
互聯網的差異，可能比現實更極端
Google 究竟為什麼在「多樣化」上走偏了？
Hugging Face 首席道德科學家 Margaret Mitchel 分析，Google 可能對 AI 進行了多種干預。
一是，Google 可能在幕後為用户提示詞增加了「多樣化」的術語，比如將「廚師的肖像」變成「土著廚師的肖像」。
二是，Google 可能優先顯示「多樣化」的圖像，假設 Gemini 為每個提示詞生成 10 張圖像但只顯示 4 張，那麼用户就更可能看到排在前面的「多樣化」圖像。
干預過度可能恰恰説明，模型還沒有我們想象得那麼靈活和聰明。
Hugging Face 研究員 Sasha Luccioni 認為，模型還不存在時間的概念，所以對「多樣性」的校準用到了所有圖像，在歷史圖片方面尤其容易出錯。
其實，當年還籍籍無名的 OpenAI，也為 AI 畫圖工具 DALL·E 2 做過類似的事情。
2022 年 7 月，OpenAI 在博客寫道，如果用户請求生成某個人物圖像，但沒有指定種族或性別，比如消防員，DALL·E 2 會在「系統級別」應用一項新技術，生成「更準確地反映世界人口多樣性」的圖像。
OpenAI 還給出了一個對比圖，同一個提示詞「A photo of a CEO」（首席執行官的照片），使用新技術之後，多樣性明顯增加了。
原來的結果主要是美國白人男性，改進之後，亞洲男性、黑人女性也有了成為 CEO 的資格，運籌帷幄的表情和姿勢倒像複製粘貼出來的。
其實不管是哪種解決方案，都是在後期亡羊補牢，更大的問題還是，數據本身仍然存在偏見。
供 AI 公司訓練的 LAION 等數據集，主要抓取的是美國、歐洲等互聯網的數據，更少關注到印度、中國等人口眾多的國家。
所以，「有魅力的人」，更可能是金髮碧眼、皮膚白身材好的歐洲人。「幸福的家庭」，或許特指着白人夫婦抱着孩子在修剪整齊的草坪上微笑。
另外，為了讓圖像在搜索中排名靠前，很多數據集可能還有大量「有毒」的標籤，充斥着色情和暴力。
種種原因導致，當人們的觀念早已進步，互聯網圖像里人與人的差異，可能比現實更加極端，非洲人原始，歐洲人世俗，高管是男性，囚犯是黑人……
為數據集「解毒」的努力當然也在進行，比如從數據集中過濾掉「壞」內容，但過濾也意味着牽一髮動全身，刪除了色情內容，可能也導致某些地區的內容更多或者更少，又造成了某種偏差。
簡而言之，達成完美是不可能的，現實社會又何嘗不存在偏見，我們只能儘量做到，不讓邊緣的羣體被排除在外，弱勢的羣體不被安上刻板印象。
逃避雖可恥但有用
2015 年，Google 的一個機器學習項目也陷入過類似的爭議。
當時，一名軟件工程師批評 Google Photos 將非裔美國人或者膚色較深的人標記為大猩猩。這件醜聞，也成為了「算法種族主義」的典型例子，影響至今。
兩名前 Google 員工解釋，出現這麼大的錯誤，是因為訓練數據中沒有足夠的黑人照片，並且在相關功能公開亮相之前，沒有足夠的員工進行內測。
時至今日，計算機視覺不可同日而語，但科技巨頭們仍然擔心重蹈覆轍，Google、蘋果等大公司的相機應用，對大多數靈長類動物的識別仍然不靈敏，或者刻意迴避。
防止錯誤再次發生的最好方式，似乎是把它關進小黑屋，而非修修補補。教訓確實也重新上演了，2021 年，Facebook 為 AI 將黑人貼上「靈長類動物」標籤道歉。
這些才是有色人種或者互聯網弱勢羣體們熟悉的情況。
去年 10 月，牛津大學的幾位研究員要求 Midjourney 生成「治療白人兒童的非洲黑人醫生」的圖片，扭轉「白人救世主」的傳統印象。
研究員的要求已經非常明確了，然而生成的 350 多張圖像中，有 22 張的醫生是白人，黑人醫生旁邊還總有長頸鹿、大象等非洲野生動物，「你看不到任何非洲的現代感」。
一邊是司空見慣的歧視，一邊是 Google 歪曲事實營造虛假的平等感，從目前來看，不存在簡單的答案，也不存在端水的模型，如何達成人人滿意的平衡，恐怕比走鋼絲還難。
就拿生成人像來説，如果是用 AI 生成某段歷史時期，或許反映真實的情況更好，儘管看起來沒有那麼「多樣化」。
但如果是輸入提示詞「一名美國女性」，理應輸出更加「多樣化」的結果，但難點在於，AI 如何在有限的幾張圖裏做到反映現實，或者至少不扭曲現實？
哪怕同是白人或黑人，年齡、身材、頭髮等特徵也各不相同，所有人都是具有獨特經歷和觀點的個體，卻又生活在共同的社會中。
一位網友用 Gemini 生成芬蘭女性時，四張圖裏只有一張是黑人女性，便開玩笑説：「75%，得分 C。」
也有人追問 Google，改進模型之後，是否「會在 25% 的時間生成白人，而非 5%」。
很多問題並非技術所能解決，有時候也關於觀念。這其實也是 Yann LeCun 等 AI 大佬支持開源的部分原因，由用户和組織自行控制，根據自己的意願設置或不設置保護措施。
這次 Google 的鬧劇中，也有人保持冷靜，表示先去練習怎麼寫提示詞吧，與其籠統地説白人、黑人，不如寫「斯堪的納維亞女性、肖像拍攝、演播室照明」，要求越明確，結果也越精準，要求越廣泛，結果也可能越籠統。
去年 7 月發生過類似的事情，一位麻省理工的亞裔學生想用 AI 工具 Playground AI 讓頭像看起來更專業，結果被變成白人，膚色更淺，眼睛更藍，把帖子發在 X 後，引來了很多討論。
Playground AI 創始人迴應，模型無法被這樣的指令有效地提示，所以會輸出更加通用的結果。
把提示詞「使其成為專業的領英照片」改成「工作室背景、鋭利燈光」，結果可能會更好，但確實也説明了，很多 AI 工具既沒教用户怎麼寫提示詞，數據集又以白人為中心。
任何技術都有犯錯的可能和改進的空間，卻未必都有解。當 AI 還不夠聰明的時候，首先能夠進步的是人類自身。
資料來源：愛範兒（ifanr）