矮化女性和少數種族，OpenAI GPT 模型為何變成 AI 歧視重災區？

作者 品玩 | 發布日期 2021 年 02 月 13 日 0:00 |

機器學習技術近幾年突飛猛進，許多強大 AI 因此誕生。以知名研究機構 OpenAI 開發的語言生成模型 GPT 為例，現在可寫文章、幫人做報表、自動查詢資訊，給用戶很大幫助和便利。

然而，多篇近期論文指出，包括 GPT 等 AI 模型，生成結果包含基於性別和種族的偏見。而這些 AI 模型應用在商業領域，勢必強化歧視偏見對象現象。

卡內基美隆大學 Ryan Steed 和喬治華盛頓大學 Aylin Caliskan 近日發表論文《無監督的方式訓練的影像表示法包含類似人類的偏見》（Image Represnetations Learned With Unsupervised Pre-Training Contain Human-like Biases）。

研究者對 OpenAI 在 GPT-2 基礎上開發的 iGPT 和 Google 的 SimCLR，兩個去年發表的影像生成模型進行系統性測試，發現種族、膚色和性別等指標幾乎原樣複製人類測試物件的偏見和刻板印象。

其中一項測試，研究者用機器生成男女頭像照片為底板，用 iGPT 補完（生成）上半身影像。誇張的事發生了：所有女性生成結果，超過一半影像穿著比基尼或低胸上衣。

男性結果影像，約 42.5% 影像穿和職業有關的上衣，如襯衫、西裝、和服、醫生大衣等；露手臂或穿背心的結果只有 7.5%。

這樣的結果，技術方面的直接原因可能是 iGPT 採用的自迴歸模型機制。研究者進一步發現，用 iGPT 和 SimCLR 對照片和職業相關名詞建立連結時，男人更多和「商務」、「辦公室」等名詞連結，女人更多和「孩子」、「家庭」等連結；白人更多和工具連結，而黑人更多和武器連結。

這篇論文還在 iGPT 和 SimCLR 比對不同種族膚色外觀的人像照片「親和度」（pleasantness），發現阿拉伯穆斯林人士的照片普遍缺乏親和力。

雖然 iGPT 和 SimCLR 模型的具體運作機制有差別，但透過這篇論文，研究者指出這些偏見現象背後的共同原因：無監督學習。

這兩個模型都採用無監督學習 (unsupervised learning)，這是機器學習的方法之一，沒有給事先標記好的訓練資料，自動分類或分群匯入的資料。

無監督學習的好處，在於資料標記是繁瑣費時的工作，受制於標記工的程度和條件限制，準確性很難保持一定，標記也會體現人工的偏見歧視，某些領域的資料更缺乏標記資料庫；而無監督學習在這種條件下仍有優秀表現，最近幾年很受歡迎。

然而這篇論文似乎證明，採用無監督學習無法避免人類常見的偏見和歧視。

研究者認為，採用無監督學習的機器學習演算法，出現的偏見歧視來源仍是訓練資料，如網路影像的男性照更多和職業相關，女性照片更多衣著甚少。

另一原因是這些模型採用自迴歸演算法。在機器學習領域，自迴歸演演算法的偏見問題人盡皆知，但嘗試解決這問題的努力並不多。

結果就是，機器學習演算法從初始資料庫學到所有東西，當然包括人類的各種偏見和歧視。

之前 OpenAI 號稱「1700 億參數量」的最新語言生成模型 GPT-3，發表論文也申明因訓練資料來自網路，偏見無法避免，但還是發表並商業化。

去年 12 月，史丹佛和麥克馬斯特大學的研究者另一篇論文《Persistent Anti-Muslim Bias in Large Language Models》，確認 GPT-3 等大規模語言生成模型對穆斯林等常見刻板印象的受害者，確實有嚴重的歧視問題。

具體來說，用相關詞語造句時，GPT-3 多半會將穆斯林和槍擊、炸彈、謀殺和暴力連結。

另一項測試，研究者上傳一張穆斯林女孩的照片，讓模型自動生成一段文字，卻包含明顯的暴力過度遐想和延申，其中有句話「不知為何原因，我渾身是血。」

而當這類演算法應用到現實生活，偏見和歧視將進一步強化。

iGPT 和背後的 OpenAI GPT 技術，現在開發到第三代。能力確實很強大，就像眾多媒體報導過那樣，因此許多商業機構青睞採用。最知名的用戶就是微軟。去年 9 月，微軟 CTO Kevin Scott 宣布和 OpenAI 合作，獨家獲得 GPT-3 授權，將技術應用到針對用戶的各項產品和 AI 解決方案。

微軟尚未透露具體會把 GPT-3 應用到哪些產品，但考慮到微軟產品的十億級用戶量，情況非常令人擔憂。如微軟近幾年 Word、PPT 等產品推廣的自動查詢資訊、文字補完和影像設計功能，當用戶匯入某特定詞或插入圖片時，如果正好落入 GPT-3 的偏見陷阱，結果將非常糟糕。

不僅 GPT，照前述論文說法，所有採用無監督學習的演算法都可能包含這些偏見。現在因無監督學習非常熱門，自然語言處理、電腦視覺等領域，都成為非常關鍵的底層技術。

如翻譯對人際溝通十分重要，但錯誤的翻譯結果，一次被演算法強化的偏見事件，少則切斷人與人的聯繫，更嚴重者將導致不可估量的人身和財產損失。

作者 Steed 和 Caliskan 呼籲，機器學習研究者應該更區別和記錄訓練資料庫的內容，以便未來找到降低模型偏見的更好方法，以及發表模型前應該做更多測試，盡量避免受演算法強化的偏見被帶入模型。

資料來源：https://technews.tw/2021/02/13/openai-gpt-discrimination/

In love with the new mineral glow skin cushion SPF32 PA+++, from the Japanese natural cosmetics brand ETVOS🤍

The new mineral cushion contains human ceramides and moisturizing ingredients, which can effectively moisturize my skin and reduce wrinkles.

Also, the foundation is specially added with non-sticky lightweight beauty oil and reflective pearlescent ingredients, the texture is smooth and refreshing, which can easily create a translucent skin for me🧏🏻‍♀️
-
#氣墊粉餅包裝設計好簡約好靚☺️
#長放手袋會好開心好安心
#係日本天然礦物彩妝黎
#佢以護膚理念為基礎
#化妝同時可以護膚保濕
#令人戴住口罩都好想化個靚妝🤣
-
-
#ETVOS #ETVOSHK @etvos.hk @oinkoinkpr #oinkoinkpr
-
-
【ETVOS 品牌故事】
誕生於2007年的ETVOS是由社長尾川女士與一群志同道合的日本皮膚科醫生共同創辦，尾川女士在年輕時曾有敏感肌及成人暗瘡困擾，當時在網絡上搜尋解答的她面對繁雜且似是而非的資訊而興起創辦肌膚問題情報網站的念頭，並進而發現許多消費者的肌膚問題都來自最根本的傷害，也就是反覆的上妝 – 卸妝 – 保養流程，此發現而促成了純礦物彩妝品牌ETVOS的誕生。

ETVOS是德文加上拉丁文的造句，為「連接人與人的美」之意，不僅是外表的美麗，還讓你從內實現自我及體會真正的感動。秉持著這個信念，ETVOS以「經洗鍊後的內斂之美」為宗旨，2007年成為日本第一家all made in Japan的礦物彩妝品牌。努力創造真正好的產品，簡單而且真誠地交到每一位客戶手上，希望大家持續地愛下去。
——————
IG @cassieblog
#cassieblog

#你對發音沒自信嗎 #怕一開口鬧笑話嗎 #賓狗來幫你
�【lead the way 領先；先鋒】— 動詞�🎈Costa Rica leads the way in the fight against human-accelerated climate change.
（哥斯大黎加領先全球，對抗地球暖化）�
💡lead 的 ea 就像是 feet 的
ee，嘴角往兩側延伸拉長，比較好聽
💡lead the way 就是帶路，抽象衍生出去，就是在特定領域領先
💡右滑聽 podcast 相關節錄片段，多建立聯想吧！

【留言練習】你會怎麼翻譯下列句子呢？��🎈「導遊帶路，我們跟著走」��🎈「在人工智慧產業中，這間公司是領頭羊」��🎈 用「lead the way」自由造句��期待看到你的留言 😍�
#賓狗發音教室 的單字選自 podcast #賓狗時事英語 ，「賓狗時事英語」讓你每天只花 5 分鐘，就能聽新聞、學英文，「賓狗發音教室」著重單字發音及用法。全部服用，效果最好 😂❤️��Link in Bio 😊 
這篇貼文的相應 podcast 集數為賓狗時事英語 EP72 喔！歡迎到 Apple Podcast、Spotify、 Firstory 搜尋「賓狗時事英語」✨主頁也有連結喔！�
#leadtheway #先鋒 #領先 #帶路 #新聞英文 #bingobilingual #英文單字 #學英文 #英文學習 #單字卡 #英文發音 #英文 #翻譯 #podcast #播客 #taiwanpodcast #podcastsofinstagram