相關(guān)技術(shù)人員使用一個因果模型分析表示，能夠識別AI生成藝術(shù)品的相關(guān)方面，以及這些不同方面是如何相互影響的。其中偏見比其他問題更有害。GoArt是一個類似DeepArt的平臺，它將克萊曼婷·亨特的《黑矩陣女主角》的面部顏色從黑色改為紅色，將其轉(zhuǎn)化為表現(xiàn)主義風(fēng)格。另一個AI生成的藝術(shù)工具，“Abacus”將拉斐爾和皮耶羅·迪·科西莫作品中留長發(fā)的年輕男性錯當(dāng)成了女性。

相關(guān)技術(shù)人員將這些問題歸咎于用于訓(xùn)練生成人工智能模型的數(shù)據(jù)集失衡，指出，這可能受到數(shù)據(jù)集管理員偏好的影響。

例如，研究中提到的一款應(yīng)用“人工智能肖像”人工智能使用了4.5萬幅文藝復(fù)興時期的肖像畫，其中大部分是白人。根據(jù)研究人員的說法，另一個潛在的偏差來源可能是標(biāo)記過程中的不一致。不同的注釋者有不同的偏好、文化和信念，這些可能反映在它們創(chuàng)建的標(biāo)簽中。

在藝術(shù)流派、藝術(shù)家、藝術(shù)運動等方面可能存在不平衡。另外，描述不同種族、外貌等信息也沒有納入數(shù)據(jù)集，因此造成了代表性偏見。錯誤地建?；蚝鲆暷承┪⒚畹男畔ⅲ伤囆g(shù)可能會助長對過去社會、文化和政治方面的錯誤認(rèn)知，并阻礙了解重要歷史事件。