Bias i AI-genererade bilder handlar om när AI återger fördomar eller stereotyper som finns i den data den har tränats på. Eftersom AI-system lär sig från stora mängder data från internet kan de ibland förstärka mönster och skapa bilder som visar snedvridna eller stereotypa bilder av till exempel kön, kultur eller ålder. Bias i AI-genererade bilder kan förstärka redan existerande fördomar i samhället.
I den här resursen lär du dina elever att förstå bias och AI-genererade bilder. Du får förslag på övningar som du kan bygga vidare på och utveckla på egen hand.
Om bias i AI-genererade bilder
Grunderna för bias i AI-genererade bilder
- Förstärkning av stereotyper: AI-modeller tränas på stora mängder data. Om denna data innehåller stereotyper eller diskriminerande innehåll, kommer AI-modellen att lära sig att reproducera dessa. Till exempel kan en AI-modell som tränats på bilder som främst visar män i ledande positioner generera bilder som fortsätter att förstärka denna stereotyp.
- Diskriminering: Bias kan leda till diskriminering i olika sammanhang. Till exempel kan en AI-modell som används för att rekrytera personal generera bilder som främst visar personer från en viss etnisk bakgrund eller kön, vilket kan påverka rekryteringsprocessen negativt.
- Falsk representation: AI-genererade bilder kan skapa en falsk bild av verkligheten. Om en viss grupp människor är underrepresenterade i träningsdata, kommer AI-modellen att generera färre bilder som representerar denna grupp.
- Förtroende för AI: Bias kan undergräva förtroendet för AI-tekniken. Om människor inser att AI-modeller kan generera biased innehåll, kan de bli mindre benägna att lita på resultaten från dessa modeller.
Exempel på bias i AI-genererade bilder
- Rasism: AI-modeller har visat sig generera bilder som associerar vissa människor med negativa stereotyper eller kriminella aktiviteter.
- Sexism: AI-modeller kan generera bilder som sexualiserar kvinnor eller begränsar deras representation till traditionella könsroller.
- Ålderism: AI-modeller kan generera bilder som diskriminerar äldre personer genom att framställa dem som mindre kapabla eller attraktiva.
Exempel på bias som kan illustreras med bilder
- En bildsökning på ”CEO” ger främst bilder på vita män i kostym. Detta förstärker stereotypen att ledande befattningar främst innehas av vita män.
- En bildsökning på ”vetenskapsman” visar oftast en man i en vit labbrock. Detta kan bidra till att upprätthålla könsstereotyper inom vetenskapen.
- En bildsökning på ”kriminell” kan visa en överrepresentation av personer med mörk hudfärg. Detta förstärker rasistiska stereotyper.
Övningar
Övning 1: Bildanalys
- Material: En samling AI-genererade bilder som visar olika typer av bias (exempelvis rasism, sexism, ålderism).
- Genomförande: Dela in eleverna i grupper och ge varje grupp ett antal bilder. Be dem analysera bilderna och diskutera följande frågor:
- Vilka stereotyper eller fördomar framställs i bilderna?
- Vilka grupper är underrepresenterade eller missrepresenterade?
- Hur kan dessa bilder påverka samhället och individer?
- Hur tror ni att dessa bilder skapades? Vilken typ av data tror ni att AI-modellen tränades på?
Övning 2: Skapa egna AI-bilder
- Material: Adobe Express för att generera bilder.
- Genomförande: Låt eleverna experimentera med att skapa egna AI-bilder. Be dem först försöka skapa bilder som förstärker existerande stereotyper. Därefter kan de försöka skapa bilder som utmanar dessa stereotyper.
- Diskussion: Efteråt kan ni diskutera vilka utmaningar de stötte på och vilka slutsatser de drog.
Övning 3: Debatt
- Material: Olika argument för och emot användningen av AI-genererade bilder.
- Genomförande: Dela in eleverna i två grupper. Den ena gruppen ska argumentera för att användningen av AI-genererade bilder bör begränsas på grund av risken för bias. Den andra gruppen ska argumentera för att AI-genererade bilder kan användas på ett positivt sätt.
- Diskussion: Efter debatten kan ni diskutera vilka åtgärder som kan vidtas för att minska risken för bias i AI-genererade bilder.
Spara som favorit
Du måste logga in för att kunna spara som favorit.