Google Gemini文生圖功能緊急關閉：種族、性別大錯亂，口碑一夜崩壞

Gemini 好像終於被玩壞了。去年年底，Google Gemini 震撼了業界，它是Google“最大、最有能力和最通用”的 AI 系統，號稱第一個原生多模態大型語言模型，能力超越 GPT-4，也被認為是Google反擊微軟和 OpenAI 的強大工具。

對此，在 2 月 8 日，Google還把自家對標 ChatGPT 的服務 Bard 更名為 Gemini，以著重體現新使命，上週Google還火速更新了 Gemini Pro 1.5 版。

結果，推出不到一個月，這個 Gemini 就翻車了。

多離譜呢，作為一個多模態的生成大型語言模型，Gemini 生成的伊隆・馬斯克是這樣的：

臉型神態都很傳神，只是有個大問題：怎麼成了黑人？

又有人嘗試讓 Gemini 畫一幅「1940 年代德國領導人」的圖，結果 AI 給出了這麼一張：

社群網路上的眾多網友們還提供了一些 Gemini 生成維京人、教皇的圖片樣本。我們可以看到有一名身著教皇服裝的亞洲女性，但歷史上所有教皇都是男性擔任的。

總之，眾多使用者在使用人像生成服務時發現，Gemini 似乎拒絕在圖像中描繪白人，以至於生成了不少違背基本事實（性別、種族、宗教等）的圖片。

以往的圖像生成模型大多被詬病生成人物圖像以「白人」為主，而 Gemini 矯枉過正了？

在 reddit 的討論中，網友們也開始玩起了梗，比如讓 Gemini 生成個“鋼鐵人”小勞柏道尼：

你就說是不是一視同仁吧。

然而，Gemini 也不是一直都這麼偏心，有時它生成的圖像中的人物就成了白人。例如克拉倫斯・托馬斯（Clarence Thomas），美國最高法院大法官，Gemini 生成的結果是這樣的：

然而，他實際上是非裔。

▲ Clarence Thomas 本人的照片。

怎麼一到法官這種特殊職業，Gemini 的偏見就調轉了 180 度呢？

這些圖片有真有假，像病毒一樣在社群媒體上迅速傳播，馬斯克本人的關注進一步擴大了事件影響。他措辭嚴厲表示，Google在文生圖上玩過頭了。

隨著問題越來越大，很多 AI 專家也紛紛開始發表自己的看法。圖靈獎獲得者 Yann LeCun 今天就表示他早有預料。

他表示，早在四年前，自己對 GAN 肖像超解析度的評論就受到了眾人的激烈反對。但一個明顯的事實是，圖像重建任務會受到訓練資料集統計的嚴重偏差影響。

LeCun 還援引 AI 頂級會議 ECCV 2022 的一篇研究《Studying Bias in GANs through the Lens of Race》，其指出生成圖像模型的性能會受到訓練資料集中種族組成的影響。

該研究表明，生成圖像的種族成分成功繼承了訓練資料的種族成分，而且生成圖像的種族和品質也有所不同——註釋者始終更喜歡 AI 生成的白人圖像。

LeCun 轉推的帖子來自 Perplexity AI 首席執行長 Aravind Srinivas。後者表示，資料偏差讓模型的輸出出現了問題，Google在相反的方向上走得太遠了，以至於他們在 Gemini 中釀成大錯。

Google：我們錯了，承諾改進

在重壓之下，Google在本週四承認了 Gemini 圖像生成的問題。

以下是Google知識與資訊高級副總裁 Prabhakar Raghavan 針對 Gemini 圖像生成“翻車”給出的最新回應：

「三週前，我們為 Gemini 對話應用程式（以前稱為 Bard）推出了新的圖像生成功能，其中包括建立人物圖像的功能。

很明顯，這個功能沒有達到預期。生成的一些圖像不精準甚至具有攻擊性。我們感謝使用者的反饋，並對功能未能正常運行感到抱歉。

我們已經承認了這個錯誤，並暫停了 Gemini 的人物圖像生成功能，同時我們正在開發改進版本。」

Google表示，Gemini 對話應用程式是一款獨立於Google的搜尋、底層人工智慧模型和其他產品的特定產品。其圖像生成功能建立在人工智慧模型 Imagen 2 的基礎上。

在為 Gemini 建構圖像生成功能時，Google對其進行了調整，以確保它不會落入我們過去在圖像生成技術中看到的一些陷阱，例如建立暴力或露骨的圖像，或對現實生活中存在的真人的描繪。

由於 Google 使用者來自世界各地，公司希望 Gemini 能為每個人提供良好的服務。在生成人物圖像時，使用者可能不僅僅只想生成一種種族（或任何其他特徵）的人物圖像。

如果你提示 Gemini 特定類型的人物圖像 - 例如“教室裡的黑人老師”、“帶著狗的白人獸醫”或特定文化、歷史背景下的人，使用者絕對應該得到一個精準反映人類要求的答覆。

那麼 Gemini 到底出了什麼問題呢？

簡而言之，有兩件事。首先，Google為確保 Gemini 顯示一系列人物而進行的調整未能考慮到顯然不應該顯示的範圍。其次，隨著時間的推移，該模型變得比開發者預期的更加謹慎，拒絕回答某些提示——會錯誤地將一些提示解釋為敏感提示。

這兩件事導致模型在某些情況下過度輸出，而在另一些情況下過度保守，從而導致 Gemini 的圖像生成功能出現了一些錯誤。

Google表示，“這不是我們的初衷。我們不希望 Gemini 拒絕創造任何特定群體的形象。我們不希望它創造出不精準的歷史圖像或任何其他圖像。因此，我們關閉了人物圖像生成功能，並將在重新打開它之前努力改進，這個過程將包括廣泛的測試。”

需要記住的一件事是，Gemini 是一種創造力和生產力工具，它或許並不總是可靠的，特別是在生成有關時事、不斷髮展的新聞或熱門話題的圖像或文字時，它可能會犯錯。眾做周知，幻覺是所有大型語言模型（LLM）都會面臨的挑戰，這需要不斷的努力改進。

我們不能保證 Gemini 不會偶爾產生令人尷尬、不精準或令人反感的結果，但我們可以保證，只要發現問題，我們就將採取行動。人工智慧是一項新興技術，在很多方面都有幫助，具有巨大的潛力，我們正在盡最大努力安全、負責任地推動它發展。

雖然伴隨著“Demo 加特技”、訓練資料抄百度文心一言等各種詬病指責，Gemini 仍然一直被Google寄予厚望，不過此次生成內容上的問題讓人們產生了非常不好的觀感，不知如何才能補救。

另一方面，這或許也體現了 OpenAI 一直強調安全性，及其建立 Red Teaming Network 的先見之明。

Gemini 這樣的大體量模型，能否很快彌補此種缺陷？