Nylige rapporter har rettet fokus mod de betydelige udfordringer, som AI-baserede billedgeneratorer står over for, når det gælder korrekt repræsentation af interracial par og historiske personligheder. Værktøjer udviklet af både Meta og Google er blevet kritiseret for deres manglende evne til at skabe billeder, der stemmer overens med forskellige etniske baggrunde, hvilket har ført til bekymringer om bias og unøjagtigheder.
En rapport fra The Verge afslørede, at Meta’s AI-baserede billedgenerator konsekvent fejler i at skabe præcise billeder af interracial par og venskaber. Selv når værktøjet eksplicit blev instrueret til dette, havde det svært ved at generere billeder med individer fra forskellige etniske baggrunde. For eksempel førte anmodninger som “Asiatisk mand og Kaukasisk ven” eller “Asiatisk mand og hvid kone” til billeder af personer fra samme etnicitet.
På samme måde har Googles Gemini AI-værktøj mødt kritik for sin fremstilling af historiske figurer og grupper. Værktøjet har genereret billeder, der viser amerikanske grundlæggere og nazitidens tyske soldater som farvede personer, hvilket har ført til historisk unøjagtige fremstillinger. Google erkendte disse unøjagtigheder og undskyldte for at have misforstået målet med at fremme mangfoldighed.
Ud over manglen på repræsentation af interracial par viser Meta’s billedgenerator også subtile tegn på bias. The Verge bemærkede, at systemet konsekvent repræsenterede “asiatiske kvinder” som personer af østasiatisk udseende med lyse hudtoner. Værktøjet tilføjede også kulturelt specifikt tøj og skævede aldersrepræsentationen ved at generere flere ældre asiatiske mænd, mens det konsekvent afbildede asiatiske kvinder som unge.
Ofte stillede spørgsmål
1. Hvorfor har AI-billedgeneratorer svært ved at repræsentere mangfoldighed?
AI-billedgeneratorer står over for udfordringer med at repræsentere mangfoldighed korrekt på grund af indbyggede bias i træningsdata samt begrænsninger i de algoritmer, de anvender. Disse systemer er afhængige af store mængder data, der kan være skævt mod visse etniske eller kulturelle grupper. Algoritmerne selv har muligvis ikke evnen til fuldt ud at forstå komplekse nuancer og tilstrækkeligt repræsentere forskellige personer eller scenarier.
2. Hvordan kan virksomheder adressere bias i AI-billedgeneratorer?
Virksomheder, der udvikler AI-billedgeneratorer, skal omhyggeligt overveje, hvordan de inkorporerer mangfoldighed i deres systemer. Det er afgørende at have diverse og inkluderende træningsdata, der repræsenterer forskellige etniske baggrunde, så AI’en kan generere billeder af interracial par og venskaber præcist. Desuden bør virksomheder kontinuerligt arbejde på at forfine deres algoritmer for at adressere bias og undgå at fastholde stereotype eller forkerte repræsentationer af historiske fakta.
3. Hvilke skridt er der blevet taget for at håndtere problemet?
Både Meta og Google har erkendt de udfordringer og bias, der er til stede i deres AI-billedgeneratorer. Google har begrænset Geminis evne til at generere specifikke historiske anmodninger med det formål at forhindre yderligere historisk unøjagtige fremstillinger. Det er dog vigtigt at bemærke, at udviklingen af AI-billedgeneratorer er en kontinuerlig proces, og virksomhederne bliver nødt til løbende at foretage forbedringer for at adressere bias og sikre en nøjagtig repræsentation af mangfoldighed.
Kilder:
– The Verge: theverge.com
For mere information, henvises der til artiklen på The Verge.
The source of the article is from the blog windowsvistamagazine.es