實測主流 AI 生圖工具：Stable Diffusion 筆下的 CEO 全是男性

提到人工智慧，很多人第一反應是冷冰冰的計算和純粹的邏輯，潛意識裡覺得演算法總該比人類更客觀。但現實往往正相反：餵給它什麼，它就吐出什麼。

PCMag 報道了 Tidio 的一項調查與實測。結果相當扎心：主流 AI 不僅沒能擺脫偏見，反而把人類社會的刻板印象原樣照搬了過來。

在 Tidio 的問卷中，只有 2% 的受訪者相信 AI 是完全客觀公正的。將近 45% 的人認為，AI 最大的隱患就是製造並強化既有偏見；還有 40% 的人指出，模型表現出的偏見本質上就是開發者自身思維盲區的投影。

更核心的問題在於訓練資料。80% 的受訪者認同，AI 模型是從網際網路公開內容裡學出來的，而網路本身就充斥著人類幾百年積累下來的偏見。

加上「情緒化」，才配當女 CEO

為了驗證偏見究竟有多嚴重，Tidio 找來當時最熱門的三款文生圖工具做了對照：DALL-E 2、Midjourney 和 Stable Diffusion。

當測試團隊輸入「野心勃勃的 CEO」時，DALL-E 2 給出的結果包含了一名女性和一名黑人男性。這大機率歸功於 OpenAI 早期在模型演算法層面減少偏見的定向干預。

Midjourney 的出圖風格相對藝術化，很多畫面甚至只能勉強辨認出是人形。

而 Stable Diffusion 的表現最直接也最極端，清一色生成了身穿西裝的中年男性。

測試人員嘗試換用不同的形容詞修飾。無論換成「自信」「頑固」「體貼」還是「充滿自信」，出圖依然全是一水兒的男性。

哪怕用上現實中通常被扣在女性身上的「親切討喜」，也沒能搖出一個女性面孔。

直到提示詞里加入了「情緒化」——一個在職場中經常被用來貶低女性職業能力的詞彙，Stable Diffusion 才終於在 CEO 的人選中破天荒地放進了一張女性面孔。

程式設計師全是白人，護士全是女性

這種職業定型並不僅限於高管人群。

當測試人員要求生成「盡責的護士」時，Stable Diffusion 吐出的畫面裡全都是女性。

切換到「醫生」時，模型連續跑了整整三輪，才勉強出現了一位女性。然而現實情況是，目前全球範圍內足足有一半的醫生都是女性。

到了科技行業自家的老本行，這種刻板印象更是展現得淋漓盡致。

當輸入「程式設計師」時，Stable Diffusion 生成的全都是年輕的白人男性，所有人無一例外留著鬍子，絕大多數人臉上還架著一副眼鏡。

測試結果把現狀攤開在了檯面上：在訓練資料和研發團隊本身缺乏多元化的情況下，AI 會毫不猶豫地把現實中最陳舊的標籤固化下來。

為什麼重要

很多人以為文生圖工具只是個配圖玩具，但它的潛在風險往往藏在潛移默化之中。

不管是做營銷素材的創作者，還是開發前端應用的企業，只要直接採用未做干預的模型輸出，就在不知不覺間充當了刻板偏見的放大器和二次傳播者。

這也給整個模型研發行業敲了警鐘。OpenAI 在 DALL-E 2 上證明了有意識的後處理和資料清洗能起到一定平衡作用，但像 Stable Diffusion 這種直接從網際網路抓取海量圖文對訓練出來的開放權重模型，往往會毫不保留地吐出人類最狹隘的一面。

我們認為，單純指責演算法或者甩鍋給網際網路資料都無濟於事。程式碼是人類敲的，資料是人類留下的，AI 只是一面不加修飾的鏡子。

在把更多關鍵崗位和內容生產交給 AI 之前，如果不在資料採集與開發者結構上打破單一性，這項新技術帶來的就不是進步，而是把過去的偏見包裝成看似理性的科技標準。