Tutor/xs
En los últimos años, los sistemas de Inteligencia Artificial han pasado de ser meras herramientas de cálculo a verdaderos árbitros de la identidad social, presidiendo decisiones cruciales en sectores críticos como la contratación empresarial, el acceso al crédito y la seguridad pública. Esta transición a menudo va acompañada de una fuerte narrativa que confunde la cuantificación numérica con una garantía de equidad absoluta. Pero en realidad, los sistemas tienden a reproducir e incluso amplificar los estereotipos ya inherentes a los conjuntos de datos con los que se entrena la IA.
Aprovechando la sinergia entre modelos generativos (Midjourney), modelos de clasificación multimodal y redes neuronales (OpenAI CLIP), y entornos de programación visual nodal (TouchDesigner), el proyecto pretende mostrar cómo los sistemas de Inteligencia Artificial traducen la fluidez identitaria y étnica en clústeres rígidos y estereotipados. Entrenada con imágenes extraídas de las redes sociales, y llamada a clasificar retratos genéricos de personas de Barcelona y a asignarlos a tres barrios característicos, la IA reproduce en cascada los sesgos comunes, homologando cada matiz identitario.
Tutor/xs