本期封面

关于影像艺术家

朱浚侨，1996 年生于上海，视觉艺术家、摄影师和影像导演。2015 至2019 年，他于加拿大温哥华艾米丽卡尔艺术与设计大学学习电影、综合媒体与视频艺术专业，现工作生活于上海和温哥华。他在实验电影、摄影、多媒体装置和人工智能生成等不同领域中不断探索，其形成的艺术风格深受宗教、东西方当代文化和哲学的影响，并努力在其中建立起与现代社会共振的美学价值观。

《FMAO：AI的偏见》

创作时间：2023年

作品类型：人工智能生成图像

影像艺术家：朱浚侨

长期以来，外貌偏见和基于外貌的刻板印象在我们的社会中根深蒂固，外貌更有魅力的个体通常在社交中更容易成功，例如，在工作场所或个人关系里。然而，这种偏见也强化和延续了对那些不符合传统外貌标准的人的伤害，例如，肥胖、残疾或不符合传统性别规范的个体，可能会因为外表而面临歧视和排斥。

“偏见恒久，纷争不眠。prejudice is eternal，anddisputes never sleep.”

在人工智能（Al）领域，数据标注是训练算法执行各种任务的重要步骤。然而，用于训练Al模型的数据依旧包含了偏见并延续着刻板印象——包括与美貌和外貌相关的印象。例如，如果用于训练Al模型的数据只包含传统上的那些有吸引力的个体图像，那模型可能会学习将吸引力与其他理想品质，例如智力、能力和社交技巧联系起來。这可能导致有偏见的预测或决策，歧视那些不符合传统外貌标准的人。因此，在Al数据标注的背景下理解外貌偏见和刻板印象显得非常重要。Al开发人员和数据标注者有责任挑战和颠覆传统的美丽标准，创建一个更包容和多样化的Al系统。而实现这一目标的方法是确保用于训练Al模型的数据是多样化和包容的——包括不同体型、年龄和种族的个体。这种方法有助于促进身体积极性、自我接受和多样性。另一种消除Al数据中外貌偏见的方式是审视构成我们审美观的根基。通过探索标准的来源，并探究文化和历史根源，Al模型的开发者需要不断开拓并平衡多元的审美与欣赏方式。这样也许能够创建不再固化的审美偏见和刻板印象的Al模型。