本期封面

關于影像藝術家

朱浚僑，1996 年生于上海，視覺藝術家、攝影師和影像導演。2015 至2019 年，他于加拿大溫哥華艾米麗卡爾藝術與設計大學學習電影、綜合媒體與視頻藝術專業，現工作生活于上海和溫哥華。他在實驗電影、攝影、多媒體裝置和人工智能生成等不同領域中不斷探索，其形成的藝術風格深受宗教、東西方當代文化和哲學的影響，并努力在其中建立起與現代社會共振的美學價值觀。

《FMAO：AI的偏見》

創作時間：2023年

作品類型：人工智能生成圖像

影像藝術家：朱浚僑

長期以來，外貌偏見和基于外貌的刻板印象在我們的社會中根深蒂固，外貌更有魅力的個體通常在社交中更容易成功，例如，在工作場所或個人關系里。然而，這種偏見也強化和延續了對那些不符合傳統外貌標準的人的傷害，例如，肥胖、殘疾或不符合傳統性別規范的個體，可能會因為外表而面臨歧視和排斥。

“偏見恒久，紛爭不眠。prejudice is eternal，anddisputes never sleep.”

在人工智能（Al）領域，數據標注是訓練算法執行各種任務的重要步驟。然而，用于訓練Al模型的數據依舊包含了偏見并延續著刻板印象——包括與美貌和外貌相關的印象。例如，如果用于訓練Al模型的數據只包含傳統上的那些有吸引力的個體圖像，那模型可能會學習將吸引力與其他理想品質，例如智力、能力和社交技巧聯系起來。這可能導致有偏見的預測或決策，歧視那些不符合傳統外貌標準的人。因此，在Al數據標注的背景下理解外貌偏見和刻板印象顯得非常重要。Al開發人員和數據標注者有責任挑戰和顛覆傳統的美麗標準，創建一個更包容和多樣化的Al系統。而實現這一目標的方法是確保用于訓練Al模型的數據是多樣化和包容的——包括不同體型、年齡和種族的個體。這種方法有助于促進身體積極性、自我接受和多樣性。另一種消除Al數據中外貌偏見的方式是審視構成我們審美觀的根基。通過探索標準的來源，并探究文化和歷史根源，Al模型的開發者需要不斷開拓并平衡多元的審美與欣賞方式。這樣也許能夠創建不再固化的審美偏見和刻板印象的Al模型。