🇺🇸 Peter Fernández Dulay

Peter Fernández Dulay stammt aus Jacksonville, Florida. Seine Methode war bewusst bodenständig. Er wählte vier KI-Bildplattformen — Shutterstock, Canva, DALL·E und Midjourney — und fünf Prompts für wissenschaftliche Berufe: Aktuar, Datenwissenschaftler, Informationssicherheitsanalyst, Operations-Research-Analyst sowie Computer- und Informationswissenschaftler. Dann generierte er Bilder und codierte die Ergebnisse.

Die Auszählung ist das Ergebnis. Unter den generierten Bildern registrierte er 1.459 Darstellungen von Männern gegenüber 347 Darstellungen von Frauen; nur 17,4 Prozent zeigten Frauen allein. Beim Vergleich der Plattformen stellte er fest, dass Shutterstock die am wenigsten voreingenommene und Midjourney die am stärksten voreingenommene Plattform war.

Dies ist eine Studie, die auch ein Doktorand hätte durchführen können, und der Grund für ihren Erfolg liegt darin, dass nur wenige Menschen sie auf die spezifische Frage angewandt hatten, die ein neunjähriges Kind gestellt hatte. Bildgeneratoren werden mit historischen Bildern aus dem Internet trainiert; die Berufe in seiner Prompt-Liste sind solche, bei denen das historische Bildmaterial männlich dominiert ist; die Modelle reproduzieren diesen Bias und präsentieren ihn als Bild der Gegenwart. Die Quantifizierung der Lücke pro Plattform macht aus einer Beschwerde einen Beweis.

Er war einer von dreißig nationalen Finalisten, ausgewählt aus fast zweitausend Bewerbern aus achtundvierzig Bundesstaaten und vier US-Territorien. Der Preis in Höhe von 10.000 $ ist eine der höchsten Auszeichnungen des Wettbewerbs.

Die lokale Berichterstattung durch WOKV in Jacksonville lieferte die Details: den Ursprung des Projekts in der Frage seiner Schwester und die Tatsache, dass er ein regional erfolgreicher Fechter und Mitglied des Robotik-Teams seiner Schule ist — eine Erinnerung daran, dass wettbewerbsorientierte Forschung mit fünfzehn Jahren meist nur eine von mehreren Aktivitäten eines Menschen ist.

Generative Bildmodelle lernen aus dem, was bereits fotografiert wurde. Wenn ein Beruf seit einem Jahrhundert mit einem voreingenommenen Klischee dokumentiert wurde, erbt das Modell diesen Bias und liefert ihn als neutrale Antwort auf einen neutralen Prompt zurück. Die Forschungsliteratur nennt dies Repräsentationsschaden, und die Standardmethode zur Messung ist genau die hier verwendete: Prompts festlegen, in großem Volumen generieren und die Ergebnisse manuell codieren.

Die Thermo Fisher Scientific Junior Innovators Challenge ist der nationale wissenschaftliche Wettbewerb der USA für Schüler der Mittelstufe, der von der Society for Science betrieben wird, derselben Organisation, die auch hinter dem Regeneron Science Talent Search steht. Die Finalisten werden auf regionalen Messen ausgewählt und nach experimentellem Design und Argumentation beurteilt, statt nach der Raffinesse ihrer Ausrüstung. Deshalb kann eine Studie, die vollständig auf öffentlichen Tools und manueller Codierung basiert, die Hauptpreise gewinnen.

In einem am 4. Juni 2026 veröffentlichten Interview der Society for Science beschrieb er sein nächstes Projekt: "Generations AI", ein Gemeinschaftsprojekt, um künstliche Intelligenz Menschen unterschiedlichen Alters auf zugängliche und ethische Weise zu vermitteln. Sein Ratschlag im selben Beitrag bestand aus vier Wörtern: Wenn er es kann, kann es der Leser auch.