Quiz collegato alla guida · Medio Livello
Quiz su pregiudizi e stereotipi nei generatori di immagini AI
Verifica da dove proviene il bias del generatore di immagini, come i ricercatori lo misurano con prompt neutri e perché correzioni come la riscrittura dei prompt possono correggere eccessivamente.
Domanda 1 di 8
Perché un messaggio che non menziona il genere o l'etnia produce comunque un'immagine distorta?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Perché un messaggio che non menziona il genere o l'etnia produce comunque un'immagine distorta?
- Il modello assegna casualmente attributi con uguale probabilità
- Il modello ricade sull’immagine più tipica appresa per la parola, che riflette dati distorti
- Gli utenti aggiungono segretamente termini nascosti
- I generatori di immagini non possono disegnare le persone in modo accurato
- Da che tipo di dati imparano i modelli come Stable Diffusion?
- Immagini disegnate a mano commissionate per la formazione
- Fotografie del censimento governativo
- Grandi raccolte di coppie di immagini-didascalie recuperate dal web
- Solo foto stock con dati demografici verificati
- Qual è un metodo comune utilizzato dai ricercatori per misurare i bias nei generatori di immagini?
- Chiedere al modello di valutare la propria equità
- Contare quante parole ci sono in ogni prompt
- Controllo delle dimensioni dei file immagine
- Generazione di molte immagini per suggerimenti neutri e confronto di chi appare
- Perché il progetto Stable Bias ha utilizzato il clustering invece di etichettare direttamente la razza?
- Etichettare la razza di qualcuno da un'immagine è di per sé inaffidabile e complicato
- Il clustering è richiesto dalla legge
- Le etichette delle razze rendevano le immagini troppo grandi
- Le immagini non contenevano persone
- Cosa ha scoperto un’analisi Bloomberg del 2023 delle immagini Stable Diffusion?
- I risultati sono stati perfettamente bilanciati tra tutti i lavori
- Solo i paesaggi hanno mostrato pregiudizi
- I lavori ben retribuiti si sono orientati verso gli uomini dalla pelle più chiara
- Il modello ha rifiutato di attirare le persone al lavoro
- Cosa è successo con la generazione di immagini Gemini di Google nel febbraio 2024?
- È stato messo in pausa dopo aver prodotto diverse rappresentazioni storicamente imprecise
- È stato elogiato per la perfetta accuratezza storica
- È stato vietato in tutti i paesi
- Ha smesso di generare paesaggi
- Qual è il principale punto debole della semplice riscrittura del prompt dietro le quinte come soluzione?
- È troppo costoso da gestire
- Può essere cieco rispetto al contesto e alterare i prompt che specificano un punto o un'identità
- Rende le immagini in bianco e nero
- Cancella i dati di allenamento
- Quale affermazione sulla fonte del bias è accurata secondo la guida?
- La distorsione deriva solo dai dati di addestramento
- I pregiudizi provengono solo dalle richieste degli utenti
- Il bias è completamente risolto dai modelli più grandi
- Dati, filtri, didascalie, progettazione del modello e scelte post-formazione sono tutti fattori che danno forma a pregiudizi