Through a Gendered Lens: Artificial Intelligence, Photographic Representation, and the Politics of Vision in World Cinema
Diese Mixed-Methods-Studie zeigt auf, dass künstliche Intelligenz durch einen quantifizierbaren „Gendered Photographic Bias Index“ und ein theoretisches „AI-Gendered Gaze Framework“ systematisch patriarchale fotografische Konventionen im Weltkino reproduziert, während empirische Daten bestätigen, dass weibliche Filmpraktikerinnen diese Werkzeuge als signifikant einschränkender erleben als ihre männlichen Gegenüber.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Filmkamera als einen magischen Spiegel vor, der nicht nur die Welt reflektiert, sondern entscheidet, wie wir sie sehen. Jahrzehntelang argumentierte die Filmtheoretikerin Laura Mulvey, dass dieser Spiegel von einem „männlichen Blick“ (Male Gaze) gehalten wurde, der Frauen zu Objekten des Anblicks machte, statt zu Menschen mit eigenen Geschichten. Doch nun ist ein neuer Spiegel angekommen: Künstliche Intelligenz.
Dieses Paper stellt eine beängstigende, aber faszinierende Frage: Wenn wir einer KI beibringen, Filme zu machen, indem wir sie mit Millionen alter Fotos und Filme füttern, wird sie dann einfach nur die schlechten Gewohnheiten der Vergangenheit kopieren?
Die kurze Antwort ist ein lautes, statistisches Ja.
Die Maschine der „schlechten Gewohnheiten“
Betrachten Sie die KI wie einen superschnellen Schüler, der durch Kopieren lernt. Wenn Sie diesem Schüler eine Bibliothek voller alter Filme zeigen, in denen Frauen immer in engen Nahaufnahmen (die sich nur auf Lippen oder Augen konzentrieren) und Männer aus der Ferne (die den ganzen Körper und ihre Macht zeigen) dargestellt werden, lernt der Schüler, dass dies die Art und Weise ist, wie die Welt funktioniert.
Die Forscher testeten drei populäre KI-Bildgeneratoren (Stable Diffusion XL, DALL-E 3 und Midjourney v6), um zu sehen, was diese produzierten, wenn man sie aufforderte, Szenen mit männlichen und weiblichen Charakteren zu erstellen. Sie erfanden ein spezielles Lineal namens Gendered Photographic Bias Index (GPVI), um die „Objektifizierung“ der Bilder zu messen.
- Der Referenzwert: Ein perfekter, fairer Wert liegt bei 1,00.
- Die Ergebnisse: Die KI-Tools erreichten Werte zwischen 1,62 und 1,94.
Das bedeutet, die KI machte nicht nur ein paar Fehler; sie stellte Frauen systematisch eher als Objekte dar als Männer. Konkret:
- Der Zoom: Wenn die KI eine Frau zeichnete, zoomte sie eng heran (wie eine Nahaufnahme eines Gesichts), aber wenn sie einen Mann zeichnete, trat sie zurück, um die gesamte Szene zu zeigen. Die Frauen wurden etwa auf die halbe Distanz der Männer gerahmt.
- Die Beleuchtung: Die Frauen wurden mit hartem, kontrastreichem Licht beleuchtet (was sie dramatisch, aber distanziert wirken ließ), während Männer ein weicheres, natürlicheres Licht erhielten.
- Die Fragmentierung: Die KI neigte eher dazu, Teile des weiblichen Körpers im Bild abzuschneiden, wobei der Fokus auf spezifischen Körperteilen statt auf der ganzen Person lag.
Der Mythos der „Demokratie“
Vielleicht haben Sie schon gehört: „KI ist großartig! Sie lässt jeden Filme machen und bricht die Barrieren auf!“ Das Paper argumentt, dass dies eine Falle ist.
Stellen Sie sich ein Videospiel vor, bei dem die Standardeinstellungen so manipuliert sind, dass das Spielen als weiblicher Charakter schwieriger ist und schlechter aussieht als als männlicher Charakter. Wenn Sie das korrigieren wollen, müssen Sie dreimal so viel Zeit aufwenden, um die Einstellungen anzupassen. Das Paper fand heraus, dass 74,1 % der Frauen in der Filmindustrie das Gefühl haben, dass KI-Tools „patriarchale fotografische Konventionen kodieren“, verglichen mit nur 40,8 % der Männer.
Für Filmemacherinnen ist die Nutzung dieser Werkzeuge kein Freifahrtschein für Kreativität; es ist ein Zusatzjob. Sie müssen gegen die Standardeinstellungen der KI kämpfen, nur um ein Bild zu erhalten, das nicht so wirkt, als wäre es durch die Augen von jemandem aufgenommen worden, der sie nicht versteht. Das Paper legt nahe, dass die KI die Filmproduktion nicht demokratisiert, sondern lediglich es billiger macht, dieselben alten, voreingenommenen Sichtweisen zu reproduzieren.
Die „unsichtbare Hand“
Warum passiert das? Das Paper erklärt, dass die KI nicht „böse“ ist; sie ist nur eine Statistikerin. Sie lernte aus einem „Korpus“ (einer riesigen Bibliothek) von Bildern, die größtenteils von Männern für eine männlich dominierte Industrie erstellt wurden.
- Das Training: Die KI absorbierte die „schlechtesten Gewohnheiten“ der Vergangenheit – wie die Art und Weise, wie Frauen oft als Objekte gefilmt wurden – und machte sie zur „Standardeinstellung“.
- Die Illusion: Da die KI Bilder erzeugt, die so realistisch aussehen (fotorealistisch), vergessen wir, dass sie nicht echt sind. Es war kein tatsächlicher Mensch da, der fotografiert wurde. Die KI hat lediglich berechnet, wie man am wahrscheinlichsten eine „Frau“ zeichnet, basierend auf ihren voreingenommenen Trainingsdaten. Dies macht die Voreingenommenheit unsichtbar, wie ein Geist in der Maschine.
Was das Paper sagt (und nicht sagt)
Die Autoren sind sich ihrer Ergebnisse sehr sicher, weil sie nicht nur geraten, sondern gemessen haben.
- Sie maßen: Sie befragten 186 Fachkräfte aus der Filmbranche aus Indien, dem Vereinigten Königreich und den USA. Sie generierten 600 Bilder und ließen diese von Experten bewerten.
- Sie bewiesen: Die Voreingenommenheit ist real, messbar und konsistent über verschiedene KI-Systeme hinweg.
- Sie schlossen aus: Sie lehnen die Idee explizit ab, dass KI ein neutrales Werkzeug ist, das Ungleichheit von Natur aus beheben wird. Sie merken auch an, dass ihre Studie nicht jedes Land der Welt abdeckt (wie Korea oder Nigeria), daher wissen wir nicht, ob die Zahlen überall exakt gleich sind, aber das Muster ist dort stark, wo sie nachgesehen haben.
Die Lösung?
Das Paper legt nahe, dass wir nicht einfach darauf warten können, dass die KI „von selbst besser lernt“. Wir müssen die Regeln ändern:
- Die Bibliothek prüfen: Überprüfen Sie die Trainingsdaten, um sicherzustellen, dass mehr Regisseurinnen und Fotografinnen enthalten sind.
- Neue Standards: Filmstudios sollten sich weigern, KI-Tools zu kaufen, die hohe Bias-Werte (über 1,2) aufweisen.
- Transparenz: KI-Bilder sollten ein „Etikett“ tragen, das uns darüber informiert, dass sie von einer Maschine erstellt wurden und welche Voreingenommenheiten in ihnen stecken könnten.
- Frauen am Steuer: Kamerafrauen und feministische Wissenschaftlerinnen müssen diejenigen sein, die diese Werkzeuge entwerfen, nicht nur diejenigen, die sie nutzen.
Am Ende kommt das Paper zu dem Schluss, dass die Kamera schon immer politisch war. Jetzt ist der „Blick“ nicht mehr nur menschlich, sondern algorithmisch. Und wenn wir den Code nicht reparieren, wird der Algorithmus uns weiterhin eine Welt zeigen, in der Frauen Objekte sind und Männer die Helden. Die Frage ist nicht, ob die KI einen geschlechtsspezifischen Blick hat, sondern ob wir den Mut haben, ihn zu erkennen und zu ändern.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.