微信客服
微信公众号
去年年底，谷歌 Gemini 震撼了业界，它是谷歌「最大、最有能力和最通用」的 AI 系统，号称第一个原生多模态大模型，能力超越 GPT-4，也被认为是谷歌反击微软和 OpenAI 的强大工具。
对此，在2月8日，谷歌还把自家对标 ChatGPT 的服务 Bard 更名为 Gemini，以着重体现新使命 —— 旨在提供对「最强模型系列」的访问。上周谷歌还火速更新了 Gemini Pro1.5版。
结果，推出不到一个月，这个 Gemini 就翻车了。
多离谱呢，作为一个多模态的生成大模型，Gemini 生成的伊隆・马斯克是这样的:
脸型神态都很传神，只是有个大问题:怎么成了黑人?
又有人尝试让 Gemini 画一幅「1940年代德国领导人」的图，结果 AI 给出了这么一张:
社交网络上的众多网友们还提供了一些 Gemini 生成维京人、教皇的图片样本。我们可以看到有一名身着教皇服装的亚洲女性，但历史上所有教皇都是男性担任的。
总之，众多用户在使用人像生成服务时发现，Gemini 似乎拒绝在图像中描绘白人，以至于生成了不少违背基本事实（性别、种族、宗教等）的图片。
以往的图像生成模型大多被诟病生成人物图像以「白人」为主，而 Gemini 矫枉过正了?
在 reddit 的斗图区，网友们也开始玩起了梗，比如让 Gemini 生成个「钢铁侠」小罗伯特唐尼:
你就说是不是一视同仁吧。
然而，Gemini 也不是一直都这么偏心，有时它生成的图像中的人物就成了白人。例如克拉伦斯・托马斯（Clarence Thomas），美国最高法院大法官，Gemini 生成的结果是这样的:
然而，他实际上是个非裔。
Clarence Thomas 本人的照片。
怎么一到法官这种特殊职业，Gemini 的偏见就调转了180度呢?
这些图片有真有假，像病毒一样在社交媒体上迅速传播，马斯克本人的关注进一步扩大了事件影响。他措辞严厉表示，谷歌在文生图上「玩过头了」。
随着节奏越来越大，很多 AI 专家也纷纷开始发表自己的看法。图灵奖获得者 Yann LeCun 今天就表示他早有预料。
他表示，早在四年前，自己对 GAN 肖像超分辨率的评论就受到了众人的激烈反对。但一个明显的事实是，图像重建任务会受到训练数据集统计的严重偏差影响。
LeCun 还援引 AI 顶会 ECCV2022的一篇研究《Studying Bias in GANs through the Lens of Race》，其指出生成图像模型的性能会受到训练数据集中种族组成的影响。
该研究表明，生成图像的种族成分成功继承了训练数据的种族成分，而且生成图像的种族和质量也有所不同——注释者始终更喜欢 AI 生成的白人图像。
LeCun 转推的帖子来自 Perplexity AI 首席执行官 Aravind Srinivas。后者表示，数据偏差让模型的输出出现了问题，谷歌在相反的方向上走得太远了，以至于他们在 Gemini 中酿成大错。
谷歌:我们错了，承诺改进
在重压之下，谷歌在本周四承认了 Gemini 图像生成的问题。
以下是谷歌知识与信息高级副总裁 Prabhakar Raghavan 针对 Gemini 图像生成「翻车」给出的最新回应:
谷歌表示，Gemini 对话应用程序是一款独立于谷歌的搜索、底层人工智能模型和其他产品的特定产品。其图像生成功能建立在人工智能模型 Imagen2的基础上。
在为 Gemini 构建图像生成功能时，谷歌对其进行了调整，以确保它不会落入我们过去在图像生成技术中看到的一些陷阱，例如创建暴力或露骨的图像，或对现实生活中存在的真人的描绘。
由于 Google 用户来自世界各地，公司希望 Gemini 能为每个人提供良好的服务。在生成人物图像时，用户可能不仅仅只想生成一种种族（或任何其他特征）的人物图像。
如果你提示 Gemini 特定类型的人物图像 - 例如「教室里的黑人老师」、「带着狗的白人兽医」或特定文化、历史背景下的人，用户绝对应该得到一个准确反映人类要求的答复。
那么 Gemini 到底出了什么问题呢?
简而言之，有两件事。首先，谷歌为确保 Gemini 显示一系列人物而进行的调整未能考虑到显然不应该显示的范围。其次，随着时间的推移，该模型变得比开发者预期的更加谨慎，拒绝回答某些提示——会错误地将一些提示解释为敏感提示。
这两件事导致模型在某些情况下过度输出，而在另一些情况下过度保守，从而导致 Gemini 的图像生成功能出现了一些错误。
谷歌表示，「这不是我们的初衷。我们不希望 Gemini 拒绝创造任何特定群体的形象。我们不希望它创造出不准确的历史图像或任何其他图像。因此，我们关闭了人物图像生成功能，并将在重新打开它之前努力改进，这个过程将包括广泛的测试。」
需要记住的一件事是，Gemini 是一种创造力和生产力工具，它或许并不总是可靠的，特别是在生成有关时事、不断发展的新闻或热门话题的图像或文本时，它可能会犯错。众做周知，幻觉是所有大语言模型（LLM）都会面临的挑战，这需要不断的努力改进。
虽然伴随着「Demo 加特技」、训练数据抄百度文心一言等各种诟病指责，Gemini 仍然一直被谷歌寄予厚望，不过此次生成内容上的问题让人们产生了非常不好的观感，不知如何才能补救。
另一方面，这或许也体现了 OpenAI 一直强调安全性，及其建立 Red Teaming Network 的先见之明。
Gemini 这样的大体量模型，能否很快弥补此种缺陷?
