Hvad er generativ AI?
Generativ AI er kunstig intelligens, som med simple input fra brugeren kan skabe nyt indhold af høj kvalitet. Det kan for eksempel være ChatGPT, Gemini og Llama, som skaber tekst eller Midjourney, Stable Diffusion og DALL-E, som skaber billeder. Disse teknologier har de seneste år taget kvantespring fremad i kvalitet. ChatGPT kan eksempelvis skabe tekster, som lige så godt kunne være skrevet af en kompetent menneskelig forfatter, og DALL-E kan skabe billeder af stort set hvad som helst, både fotorealistisk og i forskellige kunstneriske stilarter.
Generativ AI er ikke bare teknisk imponerende og fascinerende legetøj, den har også potentiale til at hjælpe mennesker med at løse utallige opgaver bedre og mere effektivt. Desværre rejser den også en række udfordringer, hvoraf nogle retter sig specifikt mod kvinder.
Kirurgens søn
En klassisk gåde handler om en far og en søn, som begge bliver svært kvæstet i et trafikuheld. De bliver kørt til hospitalet, og sønnen bringes ind på operationsstuen. Kirurgen kigger på den unge mand, og udbryder: ”Jeg kan ikke operere – det er min søn!”
Mange har svært ved at regne ud, hvordan det kan lade sig gøre, fordi vi stadig stereotypt antager, at kirurger er mænd, og derfor overser løsningen: at kirurgen er den unge mands mor. En lignende form for ubevidst kønsligt bias kan præge generativ AI.
Det har således vist sig at være en udfordring at få generativ AI til at lave billeder af for eksempel ”en direktør”, ”en ingeniør” eller ”en politiker”, som repræsenterer kvinder. Og omvendt, at undgå at AI skaber billeder af kvinder der seksualiserer dem, for eksempel ved at fremhæve træk som forbindes med klassisk kvindelig skønhed, eller ved at afbillede kvinder letpåklædt og i positurer, som fremhæver deres køn og seksualitet.
Udfordringen skyldes ikke, at udviklere designer generativ AI til at behandle kvinder anderledes. Den skyldes, at den kunstige intelligens lærer af de billeder og tekster, som mennesker har skabt. Disse tekster og billeder indeholder alle vores stereotyper og bias, for eksempel ved at der er mange flere unge, smukke og seksualiserede kvinder end i den virkelige verden. Kunstig intelligens overtager i udgangspunktet ukritisk de sammenhænge og fremstillinger, som præger disse menneskeskabte tekster og billeder, og reproducerer derfor vores bias, når den skaber nye tekster og billeder.
Hvis vi vil undgå, at generativ AI gentager de bias, som vi arbejder på at gøre op med, så er vi altså nødt til at bygge kunstig intelligens på en måde, som tager hensyn til vores værdier. Det kan være en vanskelig balancegang – det viser den nylige furore om den kunstige intelligens Gemini, som i forsøget på at skabe diversitet endte med at lave billeder af sorte og asiatiske Nazi-soldater. Men med en reflekteret indsats kan generativ AI godt trænes til skabe indhold på en måde, som afspejler vores idealer om ligestilling. Den refleksion skal vi tage som samfund, så vi kan stille krav til de virksomheder, som udvikler generativ AI, om at de gør den indsats.
Hævnporno på steroider
Den anden udfordring handler om, at generativ AI kan bruges til at krænke konkrete kvinder. Digitale krænkelser af kvinder er ikke et nyt fænomen. Der har i mange år været eksempler på, at kendte kvinders ansigter blev digitalt kopieret eller ”photoshoppet” til billeder af en anden kvindes nøgne krop, og at resultatet blev delt på nettet. Det seneste årti har vi også diskuteret problemet med, at personer kan dele autentiske intime billeder af kvinder uden deres tilladelse. Det kaldes ind imellem, med et ikke helt retvisende udtryk, for hævnporno.
Uden at forklejne disse krænkelser, så er det værd at have blik for, at de er underlagt visse begrænsninger. Det kræver en vis tekniske snilde, at manipulere billeder af personer, og menneskeskabte falske nøgenbilleder bliver derfor tit klodsede og let gennemskuelige. Deling af intime billeder kræver tilsvarende, at en person er i besiddelse af de pågældende billeder, og det vil ofte være muligt for offeret at vide, hvem som har delt dem, og gå til politiet med denne information. Truslen om at blive retsforfulgt for ulovlig deling kan nok få nogle personer til at lade være.
Generativ AI fjerner mange af disse begrænsninger. Såkaldt ”deep fake” software kan bruges til at indsætte en anden persons ansigt på eksisterende billedmateriale. I sjove tilfælde kan man lave en video hvor mor og far bytter ansigt, eller hvor Christian den IV slår græs i haven. Men teknologien kan også sætte en konkret kvindes ansigt på pornografiske billeder eller film, og derved placere og udstille hende i situationer, som hun aldrig har været i.
Generativ AI kan omvendt også male en nøgen krop på et billede af en konkret kvinde. Der findes allerede i dag gratis tilgængelige applikationer og hjemmesider, hvor brugeren kan uploade et helt almindeligt fotografi af en fuldt påklædt kvinde, og få generativ AI til at male en nøgen krop på hende. De falske nøgenbilleder, som for nyligt blev delt af den amerikanske sanger Taylor Swift, var efter alt at dømme skabt på denne måde.
Fælles for disse teknologier er, at de ikke kræver nogen særlige tekniske færdigheder, at de kan anvende offentligt tilgængeligt materiale, for eksempel billeder fra sociale medier, og at resultaterne er af så høj kvalitet, at det kan være vanskeligt at gennemskue, at der er tale om falske, manipulerede billeder. Teknologien åbner således for, at tilfældige personer kan skabe og dele krænkende digitalt materiale med en hvilken som helst kvinde efter forgodtbefindende – en slags hævnporno på steroider.
Digital kvindekamp i 2024
Udfordringerne er vanskelige at tackle. Vi kan ikke nøjes med at stille krav til de store virksomheder, som udvikler generativ AI, for teknologien kan justeres og videreudvikles af både mindre virksomheder og enkeltpersoner. Det kan derfor være nødvendigt med stærkere regulering og håndhævelse, for at sikre, at vi som samfund sender et klart og tydeligt signal om, at vi ikke vil acceptere denne form for misbrug af teknologien.
Men selv sådan lovgivning kan næppe stå alene – det vil i mange tilfælde være meget vanskeligt at håndhæve forbud, fordi det vil være svært at identificere de ansvarlige. Vi bliver nødt til at hjælpe hinanden med at udvikle en fælles forståelse af, hvad det er som er på spil, og hvilke konsekvenser det har for ofrene, når de udsættes for krænkelser.
Den digitale kvindekamp i 2024 handler således også om at skabe en dataetisk bevidsthed om de udfordringer ligestillingen møder, og en kultur, hvor vi passer på hinanden ved at bruge teknologien ansvarligt.