SESGOS VISUALES: LA REPRESENTACIÓN FEMENINA EN LA INTELIGENCIA ARTIFICIAL GENERATIVA

Abstract

En el contexto actual, donde las imágenes y la cultura visual moldean la manera de percibir el mundo, y la inteligencia artificial generativa está cada vez más incorporada en los entornos visuales y culturales, esta investigación propone analizar cómo las herramientas actuales de IA generativa de imágenes refuerzan los estereotipos de género en la representación visual de las figuras humanas, especialmente las femeninas. Se compararon cinco modelos de IAG (Leonardo.ai, DALL·E, Krea, NightCafe y Adobe Firefly) generando imágenes a partir de prompts genéricos en inglés, y en español en sus versiones masculino y femenino. Por medio de seis categorías clave: representación corporal, vestimenta, actitud y postura, entorno, rol o profesión y diversidad.

Resultando en que los cánones tradicionales de belleza y representaciones estereotipadas asociadas al género femenino, como la sexualización de la vestimenta o la delgadez, siguen vigentes. Evidenciando que las IA generativas no operan de forma neutral, sino que reflejan los sesgos presentes en los datos con los que han sido entrenadas, contribuyendo a la perpetuación de los imaginarios culturales normativos.