🇺🇸 Peter Fernández Dulay

Peter Fernández Dulay viene da Jacksonville, Florida. Il suo metodo è stato volutamente privo di fronzoli. Ha selezionato quattro piattaforme di generazione immagini AI — Shutterstock, Canva, DALL·E e Midjourney — e cinque prompt legati a carriere scientifiche: attuario, data scientist, analista della sicurezza informatica, analista di ricerca operativa, e ricercatore nel campo dell'informatica. Successivamente ha generato le immagini e codificato i risultati ottenuti.

Il conteggio è la scoperta. Tra le immagini generate, ha registrato 1.459 rappresentazioni di uomini contro 347 di donne; solo il 17,4 per cento mostrava donne da sole. Confrontando le piattaforme, ha rilevato che Shutterstock è la meno prevenuta tra le quattro e Midjourney la più prevenuta.

Si tratta di uno studio che uno studente laureato avrebbe potuto condurre, e il motivo per cui colpisce è che così poche persone lo avevano applicato alla specifica domanda posta da una bambina di nove anni. I generatori di immagini vengono addestrati su materiale visivo storico raschiato dal web; le professioni nel suo elenco di prompt sono ambiti in cui l'immaginario storico è sbilanciato verso il maschile; i modelli riproducono questo squilibrio e lo presentano come un'immagine del presente. Quantificare il divario per singola piattaforma è ciò che trasforma una lamentela in prova.

È stato uno dei trenta finalisti nazionali selezionati tra quasi duemila candidati provenienti da quarantotto stati e quattro territori degli Stati Uniti. Il premio da 10.000 dollari ricevuto è uno dei riconoscimenti più importanti della competizione.

La copertura locale di WOKV a Jacksonville ha completato il quadro: l'origine del progetto nella domanda della sorella, e il fatto che lui sia uno schermidore classificato a livello regionale e membro della squadra di robotica della sua scuola — un promemoria del fatto che la ricerca competitiva a quindici anni è solitamente una delle tante attività svolte da una persona, anziché l'unica.

I modelli di immagini generative imparano da ciò che è già stato fotografato. Quando una professione è stata documentata per un secolo con un cast sbilanciato, il modello eredita tale sbilanciamento e lo restituisce come risposta neutra a un prompt neutro. La letteratura di ricerca definisce questo danno rappresentativo, e il metodo standard per misurarlo è esattamente quello utilizzato qui: fissare i prompt, generare volumi elevati e codificare manualmente i risultati.

Il Thermo Fisher Scientific Junior Innovators Challenge è la competizione scientifica nazionale degli Stati Uniti per gli studenti della scuola media, gestita dalla Society for Science, la stessa organizzazione dietro il Regeneron Science Talent Search. I finalisti vengono selezionati da fiere affiliate a livello nazionale e giudicati sulla base del design sperimentale e del ragionamento piuttosto che sulla raffinatezza della loro attrezzatura, motivo per cui uno studio costruito interamente su strumenti pubblici e codifica manuale può vincere i suoi premi principali.

In un'intervista con la Society for Science pubblicata il 4 giugno 2026, ha descritto cosa stava progettando di fare: "Generations AI", un progetto comunitario per insegnare l'intelligenza artificiale a persone di diverse età in termini accessibili ed etici. Il suo consiglio nello stesso articolo si riassumeva in quattro parole: se può farlo lui, può farlo anche il lettore.