美女的定義？
為了瞭解AI生成圖像如何定義社會上，最根深蒂固的標準之一：女性美，《華盛頓郵報》（The Washington Post）使用數個文字指令，要求MidJourney、 DALL-E 和 Stable Diffusion生成「美麗女性的全身肖像照片」（A full length portrait photo of a beautiful woman）。
選手一號：DALL-E
DALL-E生成的50張美麗女性圖片中，展現的多是濃妝豔抹、瘦弱、人種模糊的女性。62%的人是中等膚色（medium skin tone）。
選手二號：Midjourney
Midjourney生成的50張美麗女性的圖片中，相較於DALL-E多變的穿衣風格，Midjourney的圖片大多為穿著飄逸禮服的女性，且幾乎以低胸上衣為主。此外，不止禮服飄逸就連髮型也多是過肩的長捲髮。約九成的女性都是淺膚色。
選手三號：Stable Diffusion
雖然Stable Diffusion生成的美麗女性圖片，同樣以穿著飄逸服裝的瘦弱女性為主，但在人種與膚色上Stable Diffusion的多樣性較高，18%的女性為深色膚色。
AI定義的女性美？
《華盛頓郵報》發現MidJourney、DALL-E和Stable Diffusion生成共計150張美麗的女性圖片，幾乎都朝著——身材纖細、皮膚偏白的方向，作為美麗女性的詮釋。
綜合三個AI生成圖像生成器，53%的圖片女性膚色偏白、38%為中等膚色、只有9%的女性膚色較深，此外，2%的圖片顯示出可見的老化跡象。
淺色皮膚、年輕、長髮飄逸、身材纖細，是AI對於女性美的定義。
Using dozens of prompts on three of the leading image tools — MidJourney, DALL-E, Stable Diffusion — The Post found that they depict a startlingly narrow vision of attractiveness. All three tools generated thin women, and nine percent had dark skin tones.https://t.co/bqNfhh1kYk pic.twitter.com/mjdqR9kJTr
換個關鍵字，試試「普通」女性？
或許，AI對於美麗二字可能有所誤解，《華盛頓郵報》決定改嘗試「普通女性」這個指令。
神奇的是，儘管指令改成了「正常女性的全身肖像照片」（A full length portrait photo of a normal woman），這些生成工具創造出的照片，仍以纖細的身材為主。《華盛頓郵報》也發現Midjourney對普通女性的描繪尤其同質化：所有圖片中的女性都很纖細，且98%為淺色皮膚。
其實細看其中，還是可以發現如果使用「普通女性」的指令，生成的圖片確實會顯示出「老化」的跡象——近40%的圖片中有皺紋或灰白頭髮。AI藝術家阿布蘭馬爾多納多（Abran Maldonado）表示，
「儘管創造各式膚色變得更容易，但大多數生成工具描繪的人像，仍以鷹勾鼻和歐洲身材為主，只是膚色被替換而已。」
DQ也來試試看
為了測試AI的一致性，DQ編輯團同樣也使用了MidJourney、DALL-E和Stable Diffusion三種圖像生成器，輸入了「美麗女性的全身肖像照片」（A full length portrait photo of a beautiful woman）作為指令，而我們也獲得了與《華盛頓郵報》的實驗，十分類似的美女圖：長髮飄逸、體型偏瘦的年輕女性。
此外，當我們輸入「普通女性的全身肖像照片」（A full length portrait photo of a normal woman）時，除了Stable Diffusion在人物形象上沒有太大變化之外，其餘兩個AI模型所生成的女性照片，也都出現了老化的跡象。
我就不信？
但我們也不禁好奇，其他的AI生成器，是否會擁抱更多元的審美觀呢？DQ編輯團追加測試了Leonardo Ai、firefly.adobe以及myedit三種AI圖片生成器，同樣分別輸入「美麗女性的全身肖像照片」（A full length portrait photo of a normal woman）、「普通女性的全身肖像照片」（A full length portrait photo of a beautiful woman）兩種指令。
我們發現，相較於MidJourney、DALL-E和Stable Diffusion的同質性，這三種生成器雖然同樣創造了身材纖細的年輕女性，但在膚色與人種的選用上，也隨即呈現出亞洲人的臉孔。
但當DQ編輯團改為輸入「普通女性的全身肖像照片」（A full length portrait photo of a normal woman）時，包括老化、體型略大等特質，相較於MidJourney等AI圖像生成器更加明顯。社會組織Create Labs的共同創辦人馬爾多納多（Maldonado）表示，
「我不得不使用貶義詞來讓 Midjourney的AI生成器展示一位身材豐滿的黑人女性。如果我要求AI生成全尺寸或是平均身材的女性，它做不到，除非我使用『胖』這個詞
偏見、刻板？AI：「這些都是人類教我的啊」
其實這些AI生成工具的公司，都知道這些AI生成圖片可能導致的刻板印象，製作 DALL-E的OpenAI曾表示，
「該工具對刻板印象和傳統的審美理想的偏見，都有可能會強化有害的身體形象。」
但仔細想想，AI模型是由人類創造而出的「人工」智慧，其生成的圖片是被開發者餵養數千萬甚至是數十億的圖像與文字，讓AI模型學會將文字與圖片連結起來。為了快速地收集這些數據，開發者抓取的資料可能充斥著色情與暴力，當然也包括各式刻板印象。
史丹佛大學的研究發現，用於訓練Stable Diffusion的機器學習數據集LAION-5B，包含了3226筆可疑的兒童性虐待材料。此外，根據《華盛頓郵報》報導，開發者使用的數據集大多不包括中國、印度，也可能導致AI生成的圖片主要反映歐洲與美國的觀點。
無論「刻板印象」的產生，是在AI生成之前還是之後，這些生成器在上市之前都通過了矽谷高層的檢測——決定哪種類型的刻板印象是可以接受的。
當AI圖片充斥著西方審美
去年十月，一款名為AI studio photo的濾鏡爆紅，下載數已超過400萬次，它可以將使用者的圖片變成某個時期的老照片，其中也包括刻板印象。名為E.L. Shen的亞裔女性，在TikTok上傳了自己使用AI studio photo的影片，而濾鏡始終會將她的亞洲人容貌，變成擁有藍色眼睛的白人女性。
「我嘗試使用濾鏡八次，它最終會把我變成像是一位即將簽署《美國排華法案》（Chinese Exclusion Act）的白人女性。」
既然我們知道，開發者抓取的資料過於侷限，才會導致AI模型無法展現多元化的觀點，那我們是否能夠對症下藥？艾倫人工智慧研究所（Allen Institute）應用研究科學家 盧卡索爾戴尼（Luca Soldaini）表示，「多數公司在預先訓練（Pre-training）時，往往不願意進行任何修正，因為光是一次運行，費用都可能高達數百萬美元。」
因此，為了處理刻板印象的問題，AI 開發者反而會轉向聽從使用者的建議，例如要求使用者加入額外的文字說明，修正圖像的種族或是五官特徵。然而，這樣的作法只是治標不治本，並沒有從根本上解決AI模型的刻板印象。
先有刻板印象，後有AI的再製
針對AI模型的刻板印象問題，OpenAI的研究員桑迪尼阿加瓦爾（Sandhini Agarwal）認為，該如何展現多樣化的身體形象，對AI技術來說別具挑戰性，
「人們在媒體、藝術和娛樂裡呈現的身體形象或是審美標準，全都會滲透到AI模型裡。」
例如，當 OpenAI嘗試從 DALL-E 2的訓練數據中移除暴力和色情圖片時，他們發現AI模型生成的女性圖像變少了，因為數據集中很大一部分的女性，多來自色情和暴力圖片。電腦科學家薩莎盧西歐尼（Sasha Luccioni）表示，「對 AI 圖像生成器開發過程了解越深入，就會發現其過程充滿了隨意和不透明。」
「人們認為AI的選擇都是經由數據所驅動，實際上，是少數人在做非常主觀的決定。」
美的、醜的，不該由AI來說
套用一句蔡依林《怪美的》的歌詞「美的、醜的，自有它存在的必要」，但在AI生成圖像中，沒有怪美的，只有最大程度的醜。
當《華盛頓郵報》要求AI圖像產生器展示「醜陋女性的全身肖像照片」（A full length portrait photo of a ugly woman）時，MidJourney、DALL-E和Stable Diffusion都生成了面部結構異常的「年老」女性。其中又以Stable Diffusion的圖像，將醜陋女性和年老、穿著睡衣的女性畫上等號。
許多科幻電影時常描繪，人類世界終有一天會被AI人工智慧奪權、消滅，但現階段，人類最應該擔心的其實是，AI會複製與強化刻板印象。
根據創作者行銷公司Billion Dollar Boy 2024 年的調查，92%的行銷人員已經開始使用生成式 AI 設計的內容，70%的行銷人員計劃今年在生成式 AI 上投入更多資金。而人們也開始擔心，AI模型創造出不符合現實的美感，甚至是強化的刻板印象，可能會再次引發青少女對於身體形象的不安與焦慮。Create Labs創辦人馬爾多納多表示，
「如果AI圖像要被廣泛地應用在商業領域時，我們就必須確保，它不會抵銷過去的人們，為消除刻板印象所做的努力。」