AI为何总画美女？从LenaSoderberg到Griffin的视觉偏好演变

在人工智能领域，一个有趣的现象始终存在：AI生成的内容中，女性形象尤其是美女形象占据了显著位置。这种偏好不仅体现在早期的图像处理测试中，也延续到了最新的交互式AI模型中。例如，今年5月在社交媒体上引发热议的一段视频，展示了一个看似真实的棒球比赛转播画面，其中一位观众被AI生成的女性形象取代。尽管细节漏洞明显（如已退役球员、错误标语等），但该图像迅速成为流行模板，人们纷纷将自己的脸替换进去，生成"被球场镜头抓拍到的自己"的效果。

这一现象的背后，可以追溯到1973年的一项图像处理实验。当时，南加州大学的研究人员需要一张用于测试图像算法的图片，他们从《花花公子》杂志1972年11月刊的中间插页中撕下了一张照片，主角是平面模特Lena Soderberg。这张照片因其丰富的细节和视觉吸引力，成为了图像处理领域的默认测试图。几十年来，无数图像压缩和处理算法都以这张脸作为基准进行测试。然而，这张照片的使用也引发了争议，尤其是在女性主义视角下，有人认为这反映了男性主导的技术圈对女性形象的刻板印象。

进入21世纪，随着生成对抗网络（GAN）和大型语言模型的发展，AI生成图像的能力大幅提升。尽管技术进步带来了更多样化的可能性，但在实际应用中，AI仍然倾向于生成符合人类审美偏好的图像，尤其是女性形象。例如，谷歌的Nano Banana工具允许用户将自拍照转化为电脑桌上的手办，而最受欢迎的玩法之一就是将自己变成一个精致的女性形象。这种趋势不仅限于静态图像，还延伸到了动态交互场景。Tavus公司于2026年10月发布的Griffin模型，就是一个典型的例子。这款全球首个「人类交互模型」（Human Interaction Model，简称HIM）在视频通话测试中表现出色，54名参与者中有26人（接近48%）误以为对方是真人。Griffin不仅能实时生成逼真的面部表情和动作，还能自然地参与对话，甚至表现出微妙的情感反应，如"脸红"。

从技术角度看，AI生成图像的偏好与其训练数据密切相关。由于历史数据中女性形象的出现频率较高，AI模型往往会复刻这种分布。此外，研究表明，平均脸通常被认为更具吸引力，这也进一步强化了AI生成女性形象的趋势。然而，这种偏好并非没有争议。一些批评者指出，过度依赖女性形象可能会加剧性别刻板印象，甚至可能被视为对女性的物化。对此，IEEE计算机协会在2024年4月宣布不再接受使用Lena Soderberg照片的论文，标志着这一传统测试图的终结。

尽管如此，AI生成图像的女性偏好仍在继续。无论是静态的测试图，还是动态的交互模型，女性形象似乎已经成为AI内容创作中的默认选项。这种现象的背后，既有技术层面的原因，也有社会文化的影响。未来，随着技术的进一步发展和社会意识的提升，AI生成内容是否会摆脱这种视觉偏好，仍然是一个值得探讨的问题。