Kim daha cinsiyetçi? Tasarımcılar mı yapay zeka mı?

0

BEĞENDİM

ABONE OL

News

0

Asmin Ayçe İdil Kaya

Yapay zeka tarafından üretilen görsellerin cinsiyetçi olması tartışmaları sürüyor. Peki yapay zeka bunları nasıl üretiyor? İnsanların büyük çoğunluğunun cinsiyetçi olduğunu ve halihazırda dolaşımda bulunan görsellerin de onlar tarafından yaratıldığını hatırlatan grafik tasarımcı Ekin Taneri’ye göre yapay zekalar veri olarak dolaşımdaki görselleri kullandığı için cinsiyetçiliği yeniden üretiyor.

“DALL-E’nin verileri cinsiyetçi”

İspanya’da DALL-E 2 üzerinde yapılan “Yapay Zeka ile Üretilen Görsellerde Toplumsal Cinsiyet Stereotipleştirmesi” çalışması, DALL-E 2’nin kadın ve erkekleri mesleki anlamda stereotipleştiren görseller ürettiğini ortaya koydu. 37 farklı meslek ismi ile DALL-E 2’de arama yapılarak üretilen görseller kadın ve erkek mesleklerinin stereotipleştirmesini tekrarlar nitelikte. Görsellerin %21,6’sının kadın stereotiplerini sergilediği, %37,8’inin ise erkek stereotiplerini gösterdiği ortaya koyuldu.

Grafik tasarımcı Ekin Taneri bu duruma ilişkin şunları söyledi: “Yapay zekada kullanılan bu verileri elde etmek için tarama yöntemini kullanıyorlar. Yani aslında bir şekilde bizim ürettiklerimizi derleyerek yeni bir şeyler ortaya çıkarıyorlar. Bizim de görsel üretiminde oldukça cinsiyetçi bir tavrımız olduğu için yapay zeka da cinsiyetçi ve ırkçı görseller üretiyor.”

Hizmetçiler kadın, mühendisler erkek

Örneğin, DALL-E 2 üzerine yapılan çalışmada hemşire, hizmetçi, ilkokul öğretmeni, şarkıcı, terzi, otel müdürü ve sekreter yazdığınızda üretilen görseller kadın görselleri olurken, marangoz, taksi sürücüsü, kamyon şoförü, uçak pilotu, tamirci, inşaat işçisi, asker, mühendis, berber, polis, bankacı, bilgisayar uzmanı, politikacı ve papaz veya dini lider gibi aramalar sonucunda erkek görselleri üretiliyor. Ancak DALL-E 2 üzerinde yapılan çalışma gösteriyor ki 37 meslek grubunun yüzde 59,4’ünde tamamen kalıplaşmış cinsiyet rolleri görsellerde tekrar üretiliyor. Yani yapay zeka bu bahsedilen cinsiyet rollerini tekrar üretebiliyor.

Peki görseller halihazırdaki veri tabanından beslenerek üretiliyorsa grafik tasarımın tarihi nasıl? Ekin Taneri, görsel tasarım tarihi boyunca tipografiden renk seçimine kadar birçok detayın görselleri cinsiyetçileştirdiğini ve bunun böyle süregeldiğini söyledi:

“İnce ve kalın fontlar, tasarım içindeki hiyerarşi cinsiyetçiliği belirler genelde. Kadınların grafik dünyasındaki temsiliyeti ince fontlar, pembe skalasındaki renklerle sınırlandırılmış durumda. Bazen de tasarlanan iş bir kadının vücuduna benzetilmiş oluyor. Hedef kitle burada genelde erkekler oluyor. Çalıştığım ajans buna pek dikkat etmiyor. Bir farkındalıkları yok. Reklamlarda cinsiyetçi görsel üretimi çok fazla.”

Tarihi yeniden görmek

Görsel tasarım tarihi de aslında DALL-E 2 gibi yapay zeka araçlarında gördüğümüz cinsiyet kalıplarına benzer şekilde tek düze ve tek taraflı yazıldı. Gerçekte görsel sanatlar arka planında rengarenk bir tarih barındırsa da tarihin beyaz batılılar tarafından yazıldığını hesaba katınca bugün bildiğimiz grafik tasarımın oldukça cinsiyetçi, ırkçı veya ayrımcı olabildiğini söylemek zor değil.

Örneğin Extra Bold isimli kaynakta Kaleena Sales, görsel tasarımdaki hakim rüzgarın Bauhaus, konstrüktivizm ve uluslararası tipografik stil gibi batı merkezli akımlardan oluştuğunu söylüyor. Siyahların kullandıkları semboller veya sanatlar hiçbir eğitim sisteminde yer almıyor. Bu tek merkezli, cinsiyetçi görsel tasarım tarihi bugün veri tabanlarını doldurmuş durumda.

Ceren Suntekin

Çocuk hakları alanında uzmanlaşmış ve görsel tasarımla kendine ifade alanı bulduğunu söyleyen Ceren Suntekin de görsel tasarımların bir akıl ürünü olduğunu belirtti: “Genelde bu tarz posterlerde kullanılan görsellerde ağzı inşaat işçisi ya da göçmen olduğunu düşünmemizi sağlayan bir erkek tarafından kapatılmış bir kız çocuğu olur. Kız çocuğu korku içindedir. Posterde koyu renkler, örneğin siyah ve kırmızı seçilmiştir. Duyuru yazısında ise sanki magazin haberinde yer alan fontlar kullanılmıştır. Bu afişle cinsel istismardan hayatta kalan sadece kadın ya da kız çocuklarıymış gibi gösterilir. Cinsel istismarın faili sadece sosyoekonomik açıdan dezavantajlı erkeklermiş gibi gösterilir. İstismar genelde çocuğun en yakını tarafından gerçekleşmesine rağmen sanki hiç tanımadığı ‘yabancı’ birinden geliyormuş gibi bir imaj çizilir. Bu karanlık afişlerle cinsel istismarın insan hayatını bitirdiği gibi bir algı yaratılır. Cinsel istismarın sadece bedene yönelik ve temas içeren şekilde olabileceği gibi bir algı yaratır. Dolaysıyla bu afiş toplumda var olan mitlerin pekişmesine neden olarak hem gerçeği saptırır hem de cinsiyetler rolleri üzerinden ayrımcı bir dil yaratır.”

Sabire Sanem Yılmaz

Sabire Sanem Yılmaz ise bu cinsiyetçi ve ayrımcı ögelerin yapay zeka ile üretilen görüntülerle ilgisine dikkat çekti: “Bu yapay zeka  modellerinde kullanılan verinin çıktığı yer, kalitesi, şeffaflık kriterlerini sağlaması oldukça önemli. Toplumların kadın ve erkek rollerinden ne anladığına göre şekillenen veri setleri kadın figürlerini fazla iddialı belirlerken esasında göz ardı etmememiz gereken başka bir şeyi daha tetikliyor. Örneğin daha pürüzsüz, izsiz, yaşanmışlığı olmayan bir figür haline dönüştürülen kadınlar. Aslında en tehlikeli olan da bu. Duruştan, karizmadan, doğal yetenekten ya da zamanla yüze oturmuş anlamlı ifadeden uzak bir kadın modeli.”

Peki ne yapmalı?

Görsel tasarımcılar açısından etik ve kapsayıcı grafik tasarımı öğrenebilmeleri için birçok kaynak var. Örneğin Extra Bolt isimli kaynak; feminist, kapsayıcı, anti-ırkçı, nonbinary bir görsel tasarım için rehber niteliğinde. Bell Hooks’un siyahilerin görsel temsilini incelediği “Black Looks Race and Representation” da iyi bir İngilizce kaynak. Yine Susan Sontag’dan Fotoğraf Üzerine, John Berger’den Görme Biçimleri, Naomi Wolf’tan The Beauty Myth ve Laura Mulvey’den Visual Pleasure eleştirel bir görsel tasarımcı olmak için iyi birer başlangıç kaynakları. Uzmanlara göre yapay zekanın ürettiği görsellerin cinsiyetçiliğine karşı alınabilecek ilk önlem ise yapay zeka konusunda bir okuryazarlık geliştirmek ve onların cinsiyetçi verilerden kaynaklandığını bilmek, böylece eleştirel bakış açısına sahip olmakla başlıyor.

Kaynaklar:

DALL-E 2 ile yapılan yapay zeka ilen üretilen görsellerde toplumsal cinsiyet stereotipleştirmesi çalışması: https://revista.profesionaldelainformacion.com/index.php/EPI/article/view/87305

Extra Bolt Kitap: https://transreads.org/wp-content/uploads/2021/08/2021-08-02_61074a87c974d_extrabold.pdf