Jauno AI attēlu ģeneratori saskaras ar izaicinājumiem, veidojot precīzus attēlus par Āzijas un baltajiem cilvēkiem, it sevišķi atbildot uz vienkāršiem uzdevumiem. Lai gan šie sistēmas apgalvo, ka iespējama jaunu savienojumu un izteiksmes veidu izveidošana, tās bieži nespēj veiksmīgi attēlot Āzijas vīriešus kopā ar baltajām sievietēm.
Viena no šīm problēmām var redzēt Meta AI attēlu ģeneratorā Instagram, kas nevarēja izveidot attēlu par Āzijas vīrieti un baltu sievieti, izmantojot vispārējus uzdevumus. Tā vietā tas katru reizi mainīja sievietes rasi uz Āzijas. Lai gan vēlāk Meta atkal padarīja attēlus pieejamus, problēma ar rases maiņu pastāvēja.
Līdzīgi jautājumi ir ziņoti arī par citiem AI modeļiem. Lietotāji ir saskārušies ar kļūdu ziņojumiem vai nepārtrauktām rases maiņām, izmantojot uzdevumus, kas saistīti ar Āzijas vīriešiem un baltajām sievietēm.
Jaunums: Dažādojuma atspēlētājs
Vēlu februārī Google ģenerators “Gemini” saskārās ar unikālu problēmu. Tā negaidīti ģenerēja attēlus ar daudzrasu nacistiem, cenšoties sasniegt dažādošanas mērķi. Kā rezultātā Google apstādināja “Gemini” spēju ģenerēt cilvēku attēlus. Lai gan gaidīts atgriešanās martā, tas pašlaik ir izslēgts. Tomēr “Gemini” joprojām var ģenerēt attēlus bez cilvēkiem, piedāvājot daļēju risinājumu lietotājiem, kuri meklē nestandarta attēlus.
Iespējas ar ChatGPT “DALL-E 3” un “Midjourney”
Gan ChatGPT “DALL-E 3”, gan “Midjourney” cīnījās ar precīzas Āzijas vīriešu un baltu sieviešu attēlojumu noteiktu uzdevumu rezultātā. Lai arī ģenerētie attēli nebija pilnīgi neprecīzi, tie neatbilda gaidījumiem. Šie neatbilstības liecina, ka šajās sistēmās izmantojamo apmācības kopu pamatā ir iekšējās priekšnojaušanas.
Jo īpaši “Midjourney” beigās radīja attēlus, kas reprezentēja Āzijas vīrieti un baltu sievieti attiecībās—bet tikai atbilstoši uzdevumam, kas saistīts ar akadēmisko vidi. Tas raisa jautājumus par iekļautajām priekšnojaušanām šajos modeļos un kontekstiem, kur tie var precīzi attēlot starprasu pārus.
Meta AI turpina cīņu
Atgriežoties pie Meta AI caur Instagram, attēlu ģenerators parādīja uzlabojumus attēlojot nedaudz negribīgus vīriešus ar baltām sievietēm. Tas bija veiksmīgs ar uzdevumiem kā “baltā sieviete un Āzijas vīrs” vai “Āzijas amerikāņu vīrietis un baltā draudzene.” Tomēr tas joprojām saskārās ar izaicinājumiem, veidojot tekstuzdevumus, kas ietver dažādas rases, laiku pa laikam ģenerējot divu melno cilvēku attēlus.
Šīm AI attēlu ģeneratoriem turpinoties attīstīties, ir izveidojušies noteikti raksturīgi atkārtojumi., piemēram, visu rasi dāmas bieži nēsā līdzīgu baltu ziedu bezpleču kleitu, un ziedi bieži sastopami pāru attēlos, it sevišķi ar Āzijas draugiem. Turklāt pastāvīgi parādās stereotipi, tādi kā muskuļainu melno vīriešu attēlojumi un galvenokārt blondās vai sarkanmatainās baltās sievietes.
Lai risinātu šīs neatbilstības un priekšnojautas, ir būtiski nodrošināt, ka AI attēlu ģeneratoriem ir daudzveidīgas un pārstāvīgas apmācības datu kopas. Tas ietver līdzsvarotu dažādu rasi, vecumu, ķermeņa tipu un attiecību pārstāvību, lai izvairītos no stereotipu un priekšnojaušanu uzturēšanas. Turklāt izstrādātājiem ir jāstrādā, lai minimizētu rases maiņu un nodrošinātu precīzus un iekļaujošus attēlojumus.
Biežāk uzdotie jautājumi
1. Kāpēc AI attēlu ģeneratoriem ir grūtības radīt precīzus attēlus par Āzijas-baltajiem pāriem?
AI attēlu ģeneratoriem rodas izaicinājumi pareizi attēlot Āzijas-baltos pārus sakarā ar priekšnojaušanu apmācības kopas un iekšējiem rases algoritmiem. Šie priekšnojaušanas var izraisīt rases maiņu vai neatbilstošus attēlojumus.
2. Kādi raksturīgi atkārtojumi ir novēroti AI ģenerētos attēlos?
Daudziem skatījumi ir konstatēti raksturīgi, piemēram, sievietes visu rasi nēsā līdzīgu baltu ziedu bezpleču kleitu un pāru attēliem bieži sastopami ziedi, it sevišķi ar Āzijas draugiem. Turklāt ir izplatīti stereotipi, piemēram, muskuļainu melno vīriešu attēlojums un galvenokārt blondās vai sarkanmatainās baltās sievietes.
3. Kā var uzlabot AI attēlu ģeneratorus, lai risinātu šos jautājumus?
Lai risinātu šos jautājumus, AI attēlu ģeneratoriem nepieciešamas daudzveidīgas un pārstāvīgas treniņdatu kopas. Tas ietver līdzsvarotu dažādu rasi, vecumu, ķermeņa tipu un attiecību pārstāvību, lai izvairītos no stereotipu uzturēšanas. Turklāt izstrādātājiem ir jāstrādā, lai minimizētu rases maiņu un nodrošinātu precīzus un iekļaujošus attēlojumus.
The source of the article is from the blog mendozaextremo.com.ar