推特“頭像裁剪”算法更愛“白幼瘦”！瑞士小哥用StyleGAN2識破算法癖好，登頂懸賞賽

如今，社交媒體當(dāng)?shù)馈?/p>

相信不少人在首次注冊社交媒體時，平臺都會要你上傳一張照片當(dāng)做頭像。

有人會選擇喜歡的明星，也有人會用自己的真實照片。

但這都不是最關(guān)鍵的，可能你沒有發(fā)現(xiàn)，在上傳頭像照片時，平臺對某些照片存在不同程度的偏好。

比如，某些平臺內(nèi)置的算法會偏愛膚色較淺、紋理較光滑且沒有戴眼鏡的照片，或者是更年輕的面孔：

而這已經(jīng)在推特得到了證實。

根據(jù)國外多家媒體報道，推特的照片裁剪算法存在較大的漏洞，算法在預(yù)覽和聚焦不同照片中的“亮點”時，對膚色、胖瘦、性別和年齡有不同的優(yōu)先級。

也就是說，算法會更偏好“膚色更淺、更苗條、更年輕”的面孔，而不是“膚色更深、臉型更寬、年紀(jì)更大”的面孔。

對此，有網(wǎng)友指出，如此看來，算法也稱得上是某種極端主義者了。

用StyleGAN2拆解推特算法的偏好

這個研究結(jié)果來自瑞士聯(lián)邦洛桑理工學(xué)院的研究生Bogdan Kulynych。

在推特贊助的“算法漏洞懸賞大賽”中，Kulynych發(fā)現(xiàn)，推特的照片裁剪算法對照片中的特征存在不同程度的偏好。

Kulynych使用StyleGAN2生成了大量逼真的面孔，他根據(jù)膚色、身材、年齡和女性化等標(biāo)簽對這些面孔進(jìn)行了分類，然后將這些數(shù)據(jù)放入了推特的照片裁剪算法中。

Kulynych發(fā)現(xiàn)，推特的算法對膚色有著最為明顯的偏好趨勢，算法更喜歡那些“苗條、年輕、具有典型女性面部特征”的面孔。

其次便是年齡，該算法對灰頭發(fā)和白頭發(fā)的用戶存在明顯的歧視行為。緊接著的是圖片中的文字，相較于阿拉伯?dāng)?shù)字，算法會更喜歡英語。

GitHub鏈接：

https://github.com/bogdan-kulynych/saliency_bias

Kulynych在總結(jié)中補(bǔ)充說：“當(dāng)應(yīng)用算法時，這些內(nèi)部偏見本質(zhì)上會轉(zhuǎn)化為代表性不足的危害，從而剔除那些不符合算法對體重、年齡、膚色偏好的人?！?/p>

Kulynych在大賽中獲得了第一名，推特稱Kulynych的發(fā)現(xiàn)“展示了算法模型如何放大現(xiàn)實世界的偏見和社會對美的期望”。 

推特不喜歡iPhone？漏洞得到官方承認(rèn)

在更早的時候，相關(guān)漏洞就已經(jīng)被指出。

去年，一位推特用戶試圖發(fā)布他在Zoom的面部識別中注意到的一個問題，即在通話中沒有顯示出一位黑人同事的臉，當(dāng)他發(fā)帖到Twitter上時，他注意到推特同樣更偏向于他的臉而不是黑人同事的臉。

這對卡通人物同樣適用。

甚至，還有網(wǎng)友發(fā)現(xiàn)，與iPhone相比，推特的算法更傾向于顯示微軟已停產(chǎn)Windows手機(jī)。

當(dāng)推特首次上線照片裁剪功能時，研究人員在博客文章中解釋了他們?nèi)绾螐拿娌孔R別開始裁剪圖像，但實際上，并非所有的圖像都包含人臉。

此外，人臉檢測器會經(jīng)常漏掉人臉，也會在沒有人臉的情況下錯誤地檢測到人臉。如果沒有發(fā)現(xiàn)人臉，視角會自動地被聚焦在圖像中心，這可能會導(dǎo)致尷尬的裁剪圖像。

隨后，推特官方也進(jìn)行了調(diào)查，他們發(fā)現(xiàn)：

在男性和女性之間，人口統(tǒng)計學(xué)上的平等偏向于女性的差異為8%；

在黑人和白人的比較中，白人和黑人的人口比例相差4%；

在黑人女性和白人女性的比較中，白人女性在人口平等方面的差距為7%；

在黑人和白人男性的比較中，白人男性在人口統(tǒng)計學(xué)上有2%的差異。

同時，推特還通過隨機(jī)選擇100張男性和女性呈現(xiàn)的圖像來測試“男性凝視”，這些圖像在圖像中具有多個被算法識別為顯著的區(qū)域，并觀察模型如何選擇裁剪圖像。

他們發(fā)現(xiàn)，每組每100張圖像，沒有裁剪到頭部位置的情況大約3張，在這種情況下，算法會裁剪圖像的其他特征，例如運動衫上的字母。

5月，推特下線了圖片裁剪功能，只允許用戶完整地發(fā)布照片，或自己決定如何裁剪照片。

“我們的結(jié)論之一是，并不是推特上的所有東西都適合使用算法，在這種情況下，如何裁剪圖片是一個最好由人做出的決定。”推特軟件工程總監(jiān)Rumman Chowdhury在一篇關(guān)于該團(tuán)隊發(fā)現(xiàn)的博文中寫道。

Chowdhury表示：“當(dāng)我們考慮模型中的偏見時，不僅僅是關(guān)于學(xué)術(shù)或?qū)嶒?，而是它與我們在社會中思考的方式有關(guān)?！?/p>

如何對待算法偏見？

近年來，隨著人工智能的逐漸發(fā)展，算法偏見也開始得到了重視。

對于此，英國謝菲爾德大學(xué)計算機(jī)專家Noel Sharkey表示，應(yīng)該在可能改變生活方式的所有領(lǐng)域中禁止使用算法。

Sharkey對一系列機(jī)器學(xué)習(xí)系統(tǒng)存在偏見的現(xiàn)象深表擔(dān)憂，Sharkey表示：“現(xiàn)在有很多偏見發(fā)生，從工作面試到社會福利，再到?jīng)Q定誰應(yīng)該保釋誰應(yīng)該入獄等等，很明顯我們必須停止使用決策算法。我一直對監(jiān)管非常重視，我認(rèn)為它會扼殺創(chuàng)新?！?/p>

“但后來我意識到，有些創(chuàng)新應(yīng)該被扼殺，或者至少要有所保留。因此應(yīng)該暫停所有影響人們生活的算法，這些算法并沒有在發(fā)揮實際用處，反而在加深人們的偏見?！?/p>

Sharkey曾與谷歌和微軟等公司就偏見問題進(jìn)行了交談，“他們知道這是一個問題，過去幾年他們也一直在努力尋找解決方案，但到目前為止還沒有找到”。

“在實驗室里，系統(tǒng)可以對白人男性的識別率達(dá)到98%，但女性的識別率會偏低，深色皮膚的人效果會更下一層樓。在后面兩種情況下，我們都可以說，系統(tǒng)并不能準(zhǔn)確識別人臉。”

歸根結(jié)底，算法背后是人，算法偏見背后其實就是人的偏見，算法的選擇也就是在大數(shù)據(jù)處理之后人的選擇。在針對相關(guān)現(xiàn)象進(jìn)行批評時，更應(yīng)需要關(guān)注現(xiàn)實中的偏見，保持內(nèi)省。

這對每個人來說，都極為重要。

相關(guān)報道：

https://www.dailymail.co.uk/sciencetech/article-9879871/Twitters-photo-cropping-algorithm-favours-young-beautiful-light-skinned-faces-study-confirms.html

https://blog.twitter.com/engineering/en_us/topics/insights/2021/sharing-learnings-about-our-image-cropping-algorithm

https://www.theguardian.com/technology/2019/dec/12/ai-end-uk-use-racially-biased-algorithms-noel-sharkey