什么值得买App下载 App ›
连续签到专享现金活动

PULSE超分算法把奥巴马“变白”?AI人脸重建陷种族偏见争议

01PULSE算法被曝生成白人面孔
2026年6月5日,杜克大学于2020年在CVPR会议上发布的PULSE(通过潜在空间探索进行照片上采样)超分辨率算法再次引发争议。该算法被指在处理模糊人脸图像时存在显著种族偏见:当输入美国前总统奥巴马的低分辨率照片时,系统输出的高分辨率重建结果呈现为一张白人面孔,而非其真实的非裔特征。这一现象迅速在社交媒体和AI伦理社区中传播,质疑该技术在人脸清晰化任务中对深色皮肤人群的系统性失真。事件核心并非算法无法提升图像分辨率,而是在生成逼真细节的同时,错误地重构了关键的人种面部特征,暴露出模型对特定族群表征能力的严重缺陷。1
02人脸清晰化存在显著种族偏差
PULSE算法采用自监督方式,通过在高分辨率自然图像流形中搜索能下采样至原始低分辨率输入的图像,从而生成细节丰富的超分结果。该方法虽在感知质量上优于传统基于像素损失的模型,但其依赖的生成模型训练数据分布直接影响输出真实性。多位AI伦理研究者指出,主流人脸数据集如CelebA、FFHQ等长期以白人面孔为主导,导致生成模型学习到的“典型人脸”偏向浅肤色、高鼻梁等欧洲特征。当输入模糊的非裔或亚裔人脸时,算法倾向于向训练数据中占多数的白人特征靠拢,造成种族身份的误重构。这种偏差并非偶然误差,而是数据代表性缺失引发的系统性偏见,直接削弱了技术在多元人群中的适用性与公平性。234
03学界回应聚焦数据偏见根源
针对此次争议,人工智能领域权威学者Yann LeCun公开回应称,PULSE的问题本质源于训练数据的结构性失衡,而非算法设计本身存在恶意歧视。他强调,生成模型只能反映其所见数据的统计分布,若训练集中白人图像占比过高,模型自然会将此类特征视为“默认真实”。这一解释虽从技术路径上成立,但未能平息公众对算法社会影响的担忧。伦理学者进一步指出,即便偏见源自数据,开发者仍有责任在部署前评估模型在不同族群上的表现差异,并采取去偏措施。目前杜克大学尚未就此事发布正式声明或更新模型卡中的偏见披露信息,但事件已促使多个开源项目重新审查其人脸超分模块的公平性测试流程。13
04行业加速推进算法公平性评估
PULSE事件成为2026年AI伦理监管强化背景下的又一典型案例。随着欧盟《AI法案》及中国十部门联合发布的算法反歧视规制框架逐步落地,人脸生成与识别类技术正面临更严格的公平性审查要求。多家科技公司已开始在模型上线前强制执行跨种族性能测试,包括使用Racial Faces in the Wild(RFW)等基准数据集量化不同族群的重建准确率与身份保持度。与此同时,学术界推动“模型卡”标准化,要求明确披露训练数据的人口统计构成及已知偏见。此次事件亦凸显超分辨率技术从实验室走向实际应用时的风险:即便技术指标领先,若忽视群体公平性,仍可能造成身份误认、尊严损害等现实伤害,进而触发法律与声誉危机。356

评论

评论区空态插画

当前文章无评论,是时候发表评论了