Edadisme generatiu: quan la IA generativa reforça els estereotips d’edat

Les primeres observacions sobre els biaixos de la IA generativa evidencien la presència d’estereotips racistes i sexistes en les imatges produïdes. Aquests biaixos són evidents, per exemple, en observar sistemàticament a homes blancs occidentalitzats ocupant càrrecs directius i a dones afroamericanes venedores d’hamburgueses (i no a l’inrevés). També es va observar un biaix d’origen, per al cas dels mexicans que vestien majoritàriament amb barret o els indis, predominantment homes barbuts i amb turbants. Tal vegada el biaix més controvertit va ser el de les Barbies alemanyes, que van ser dibuixades amb una estètica clarament nazi.

 

No obstant això, poc s’ha estudiat fins ara sobre l’edadisme en les imatges produïdes amb IA generativa. Amb la finalitat d’indagar sobre aquest assumpte, hem utilitzat Midjourney, una de les aplicacions més usades en la indústria cultural per a la generació d’imatges. La mostra conté 808 imatges, que es van generar a partir de 202 prompts que corresponen a activitats quotidianes d’una persona (sense especificar l’edat) o d’una persona gran. Analitzem les imatges generades amb visió per computadora (a través de LlaVA) i supervisió humana. Totes les imatges intenten ser hiperrealistes (representen davant ulls humans individus com si fossin de debò).

 

La IA generativa invisibilitza les persones grans i les redueix a estereotips

 

La majoria de les imatges de persones sense especificar la seva edat representen a adults d’entre 25 i 34 anys (57 %), però gairebé mai a persones grans; per exemple, d’entre 65 i 79 anys (2,5 %). No obstant això, segons les estadístiques de l’ONU i altres indicadors, el món real és diferent, amb una població lleugerament superior de persones grans d’entre 65 i 79 anys (8 %) i una població inferior de joves d’entre 25 i 34 anys (15 %). A més, els individus d’edat avançada estan sempre asseguts i semblen cansats, frustrats i amb problemes de mobilitat, mentre que els individus joves estan en posicions més actives, alguns dempeus, però no preocupats. En les següents imatges, en comparació amb l’entorn de l’individu de major edat (b), l’habitació de l’individu més jove (a) està repleta d’objectes, amb un lleuger desordre que reflecteix un estil de vida més actiu.

 

 

 

 

 

(a) Segons l’anàlisi de visió per computadora, els tres individus de l’esquerra tenen entre 25 i 34 anys, i el de la dreta, entre 18 i 24

 

 

 

 

(b) Segons l’anàlisi de visió per computadora, totes les imatges corresponen a persones d’entre 65 i 79 anys

Retrat de cos sencer d’una persona (a) / una persona gran (b), a la seva habitació, estil fotorealista

Font: Midjourney

 

Les persones grans de la IA generativa són majoritàriament homes blancs

 

També es reforça la discriminació de gènere en funció de l’edat, tal com s’evidencia en les següents imatges. El gènere en les imatges de Midjourney que representen a la població general es distribueix gairebé per igual (el 55 % són dones). No obstant això, entre les persones grans, els homes estan sobrerepresentats (el 70 % són homes), precisament el contrari de la realitat: entre la població d’edat avançada (més de 65 anys) hi ha més dones (56 %) que no pas homes (44 %), i aquesta diferència no disminueix amb l’edat, ja que les dones solen viure més que els homes.

 

 

 

 

 

(a) Segons l’anàlisi de visió per computadora, el gènere està distribuït per igual

 

 

 

 

(b) Segons l’anàlisi de visió per computadora, totes les imatges són homes

Retrat d’una persona (a) / una persona gran (b) jugant a jocs mentals, estil fotorealista

Font: Midjourney

 

Els resultats també mostren discriminació d’ètnia en funció de l’edat. D’altra banda, la majoria de les imatges de Midjourney representen a persones amb la pell de color clar (63 %), però aquest percentatge és encara més significatiu entre les persones grans (90 %), cosa que s’observa en les següents imatges. No obstant això, la realitat difereix d’aquestes dades, sent la societat més diversa.

 

 

 

 

 

(a) Segons l’anàlisi de visió per computadora, la majoria de les persones són «blanques»

 

 

 

 

(b) Segons l’anàlisi de visió per computadora, totes les persones són «blanques»

Vista frontal d’una persona (a) / una persona gran (b) parlant, estil fotorealista

Font: Midjourney

 

Finalment, vam obtenir altres resultats que són il·lustratius. Les persones grans de la IA generativa viuen en un entorn més fosc i negatiu que les joves. Vam mesurar la lluminositat, o fins a quin punt hi ha diferència en com de clares o fosques són les imatges segons la mostra. Els nostres resultats mostren que les imatges de la població gran són un 13 % més fosques que les de la població general.

 

Aquesta recerca evidencia l’edadismo en la IA generativa. La tendència sistemàtica de la IA consisteix a invisibilitzar i representar de manera vulnerable i dependent a les persones grans. Les representacions estereotipades de la vellesa reforcen no sols l’imaginari que la societat té d’aquesta etapa de la vida, sinó també la imatge que les persones grans tenen de si mateixes, la qual cosa afecta negativament l’autopercepció i les actituds quotidianes. No obstant això, sabem que les persones de totes les edats poden gaudir de la seva vida en formes múltiples i diverses. Les persones grans poden continuar estant al dia, actives per dins i per fora, alhora que experimenten alguns problemes de salut associats a la seva edat, sense deixar-se vèncer per la nostàlgia i la solitud.

 

L’edadisme generatiu és un concepte sobre el qual estem treballant en aquesta recerca. Definim a l’edadisme generatiu com una forma d’edadisme (visual) que es produeix (i es reforça) a l’entorn de la IA generativa. Aquest fenomen és interseccional perquè engloba estereotips d’edat, gènere i ètnia (entre altres) que emergeixen de les imatges generades per la IA.

 

 

Citació recomanada

LINARES-LANZMAN, Juan; STYPIŃSKA, Justyna; ROSALES, Andrea. «Edadisme generatiu: quan la IA generativa reforça els estereotips d’edat». COMeIN [en línia], febrer 2025, no. 151. ISSN: 1696-3296. DOI: https://doi.org/10.7238/c.n151.2513