Hoe ‘leest’ een computer iemands geslacht? (Linda Duits)

Deze post verscheen eerst op dieponderzoek.nl.

Geslacht is de basis tweedeling van onze maatschappij. Al voordat we geboren worden, worden ingedeeld in m/v. Vervolgens is het de bedoeling dat je je gedraagt naar je sekse. De meeste ouders geven daartoe een stevige voorzet: je krijgt een naam waaraan je geslacht af te leiden is (‘Linda’) en je krijgt kleren aan die daarmee overeenkomen (een rompertje met vlinders). Ouders vinden het vaak vervelend als hun kind ‘gemisgendered’ wordt: als vreemden hun baby of peuter aanzien voor een jongetje, terwijl het een meisje is.

Gezichtselementen
Kleine kinderen zijn op hun beurt ontzettend goed in het herkennen van geslacht. Al die subtiele aanwijzingen maken ze zich heel snel eigen. Misschien wel omdat het de basisindeling van de maatschappij is. Hoe dat leerproces verloopt, weten we niet precies. De opkomst van digitale gezichtsherkenning betekent dat we ook computers aanleren geslacht te herkennen. Daarbij kunnen we wel achterhalen hoe een computer dat heeft geleerd, of beter gezegd: welke elementen van een gezicht voor een computer doorslaggevend zijn in het vaststellen van iemands geslacht.

Pew Research heeft een interactieve tool waarmee je als gebruiker het de computer lastig probeert te maken om het geslacht van een geportretteerde te lezen. Het algoritme heeft dus eerder geleerd hoe het geslacht kan herkennen. Je kiest uit verschillende kleine delen van het gezicht. Als je het juiste deeltje kiest, maakt de computer een andere keuze. Probeer het hier.

Ik zat er zelf voortdurend naast. Ik dacht bijvoorbeeld dat kaaklijn heel bepalend was, maar dat bleek zelden het geval.

Wat zegt dit nou?
Pew geeft aan dat het belangrijk is om te begrijpen hoe algoritmen indelingen maken om vooroordelen van/in die algoritmen boven tafel te krijgen. Een tool als deze benadrukt hoe willekeurig die beslissingen soms lijken, en hoe lastig het is er een consistent patroon in te herkennen. Omdat beslissingen in de ‘echte’ wereld steeds vaker genomen worden door zulke algoritmen, is het cruciaal om de beperkingen ervan te doorzien.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s

Deze site gebruikt Akismet om spam te bestrijden. Ontdek hoe de data van je reactie verwerkt wordt.