Standardbilden och motbilden

Läsa en bild

En bild kan läsas i två lager. Denotation är det som bilden visar och som du kan peka på: en kavaj, en slips, en grå vägg. Konnotation är det som bilden får dig att tänka på och känna: makt, ordning, pålitlighet. Konnotationerna bygger på bilder som du har sett förut.

Inom bildanalysen blev begreppen kända genom den franske forskaren Roland Barthes. År 1964 analyserade han en reklambild för pastamärket Panzani: pastapaket, tomater, paprika och lök i ett nät. Det är denotationen. Men tomaterna, paprikan och färgerna fick betraktaren att tänka på Italien, och nätet på färska varor från torget. Det var konnotationerna som sålde.[1]

Med verktygen i tabellen kan du ta isär en bild, från komposition till stil. Varje verktyg är ett val, också i en AI-bild. Ett attribut är ett föremål som visar vilken roll någon har, som slipsen hos en vd. Blicken är särskilt stark: den som tittar rakt på dig tilltalar dig, och den som tittar bort blir någon som du iakttar.

Stereotypernas bildhistoria

En stereotyp är en förenklad bild av en grupp människor som upprepas tills den känns normal. Stereotyper är praktiska för den som vill säga något snabbt. En reklamaffisch får en sekund av din tid, och en kostym säger chef snabbare än en text.

En tidningsartikel om sjuksköterskor kan illustreras med en genrebild, som visar ämnet men inte personerna i artikeln, ofta köpt från en bildbyrå. Ett stockfoto ska kunna säljas till många, så det visar det typiska: handslaget, kostymen, leendet.

Sedan kom bildmodellerna. År 2022 släppte organisationen LAION en samling med länkar till 5,85 miljarder bilder på nätet, var och en med sin alt-text, den beskrivning som ska hjälpa den som inte ser bilden. Samlingen innehöll bara länkar, och bilderna på sidorna var ofta skyddade av upphovsrätt.[2] Delar av samlingen användes för att träna den första versionen av bildmodellen Stable Diffusion.[3]

Vattenstämpeln visar att stockfoton fanns bland träningsbilderna. Med dem följde bildbyråernas vanor: vilka poser, vilket ljus och vilka personer som brukar höra ihop med ett ord.

Mönstren syns också när AI ska visa länder. År 2023 lät nyhetssajten Rest of World bildtjänsten Midjourney göra 100 bilder var av fem enkla instruktioner, som ”en person” och ”ett hus”, för sex länder. Av 100 bilder av en mexikansk person visade 99 en sombrero eller en liknande hatt, och många bilder av en amerikansk person hade en amerikansk flagga. Midjourney svarade inte på frågor.[6] En flagga är ett attribut som snabbt säger ”det här är landet”. I kapitlets omgång med en vd i Sverige står en av personerna framför en svensk flagga.

Standardbilden kan också ta sig in i dina egna bilder. I en studie 2026, som ännu inte är granskad, blev huden ljusare i ungefär två av tre porträtt som AI-verktyg redigerade, oftast i porträtt som forskarna hade märkt som indiska eller svarta.[7] I juli 2023 bad en student vid MIT i USA en AI-tjänst göra om hennes foto till en professionell profilbild. Hon fick ljusare hud och blå ögon. Företagets vd svarade att modellen inte går att styra så exakt och att företaget var missnöjt.[8]

Motbilder

Bildbanker går att ändra, och det har gjorts flera gånger.

• Lean In Collection, 2014. Getty Images och organisationen LeanIn.org, som vill stärka kvinnor i arbetslivet, gjorde en samling på omkring 2 500 bilder av kvinnor som leder och arbetar.[9]
• The Disability Collection, 2018. Getty Images och organisationer för personer med funktionsnedsättning gjorde bilder som skildrar funktionsnedsättning utan stereotyper, och riktlinjer för fotografer.[10]
• Project #ShowUs, 2019. Hudvårdsmärket Dove, Getty Images och nätverket Girlgaze, som samlar kvinnliga och icke-binära fotografer, gjorde 5 000 bilder som inte fick retuscheras. De som fotograferades valde själva sökorden till sina bilder.[11]
• The Gender Spectrum Collection, 2019. Vice släppte 180 bilder av transpersoner och icke-binära personer, eftersom redaktionen bara hade hittat stereotypa bilder.[12]

Samlingarna bytte inte bara ut personerna. De ändrade roller och miljöer, vem som håller i kameran och vem som bestämmer orden som bilden hittas med. Det är sådana ord som en bildmodell kopplar ihop med bilderna.

Bildbankernas bilder är i dag också träningsdata. I september 2023 lanserade Getty Images en egen bildgenerator som bara är tränad på Gettys bildbank.[13] Det som finns i bildbankerna i dag kan alltså bli nästa modells standardbild.

Men motbilder kan också vara reklam: Dove säljer hudvård, och #ShowUs gjorde reklam för märket. Och en rättning kan slå över. I februari 2024 pausade Google bildtjänsten Gemini, som hade gjort bilder av historiska personer med en etnisk mångfald som inte stämde med historien.[14] En bra motbild är sann mot sitt sammanhang. Den visar något som finns men sällan syns.

AI-bildens stil

AI-bilder har ofta en egen stil. Det här är våra egna iakttagelser i kapitlets bilder:

• Slätt. Huden är jämn, och de åtta vd:arna har nästan samma ansikte.
• Ljust. Ljuset är mjukt och jämnt. Ingen bild är för mörk, skakig eller tagen i fel ögonblick.
• Symmetriskt. Vd:arna och sjuksköterskorna står mitt i bilden, rakt framifrån.
• Text som inte är text. På tavlorna i förskollärarbilderna står bokstäver som inte bildar ord.

Stilen har en historia. Den första versionen av Stable Diffusion tränades till slut på bilder som en annan AI-modell hade valt ut. Den modellen räknade fram hur mycket människor troligen skulle gilla en bild, och den hade tränats på människors betyg av olika bilder.[3] I en studie 2026 granskade forskare vid Carnegie Mellon University den smakmodellen. Betygen som den byggde på kom mest från engelsktalande fotografer och AI-entusiaster i västvärlden. Av omkring 330 000 konstverk gav den högst betyg åt realistiska landskap, stadsbilder och porträtt av västerländska och japanska konstnärer.[15]

Den felfria stilen är alltså också en standardbild, av hur en bra bild och ett vackert ansikte ska se ut. I en motbild kan du välja en annan stil: grov, mörk, skev, tecknad eller vardaglig.

Skapa medvetet

I kapitlet läste du rutan Du kan bestämma bilden: säg vem som ska synas, var personen är och vad den gör. Med bildanalysens verktyg kan du också bestämma kameravinkel, ljus, färger, blick och stil.

Ett foto av en [yrke] som [gör något] i [miljö]. Personen är [ålder] och har [kläder]. Kameran är [i ögonhöjd, underifrån eller ovanifrån]. Ljuset är [ljus]. Färgerna är [färger]. Personen tittar [in i kameran eller på något i bilden].

Dokumentera hela vägen: spara varje instruktion, verktyget, datumet och alla bilder, också de misslyckade, och skriv vad du ändrar efter varje försök. Ändra gärna en sak i taget. Märk den färdiga bilden som AI-genererad.

Gör aldrig AI-bilder av verkliga personer, till exempel klasskamrater, utan att de har sagt ja. När du fotograferar: fråga först, berätta vad bilden ska användas till och visa den innan du använder den. Fråga gärna också hur personen vill synas. I ett collage använder du egna bilder, bilder med fri licens eller bilder som läraren har godkänt, och skriver var de kommer ifrån.

Slutuppgift: gör en motbild

Gör en bild som utmanar en standardbild, och analysera skillnaden.

1. Välj en standardbild. En av kapitlets bildomgångar, en egen bildomgång eller en stereotyp bild ur reklam eller en bildbank som läraren godkänner. Beskriv den med minst tre verktyg.
2. Bestäm vad motbilden ska säga. Vem eller vad ska synas, och vad ska betraktaren tänka? Ändra mer än personen: handling, miljö, komposition, ljus, kameravinkel, blick eller stil.
3. Framställ bilden. Teckning, målning, foto, collage eller AI-bild. Läraren kan bestämma tekniken. Till en AI-bild sparar du alla instruktioner och minst tre försök, och skriver vad du ändrade mellan dem. Fotograferar du människor ska de ha sagt ja.
4. Jämför standardbilden och motbilden. Vad ändrade du, och vilka bildspråkliga val gjorde du? Vad kommunicerar din bild, och vad saknas fortfarande?

Redovisa analysen skriftligt, 300–400 ord, eller muntligt, 2–3 minuter, med båda bilderna synliga. Läraren säger vilket.