Stel je voor: je vraagt een AI-beeldgenerator om “een mooie vrouw” te maken. Wat verschijnt er? Vrijwel zeker een lichtgetinte vrouw met Europese gelaatstrekken, slanke bouw en glad haar. Vraag je om “een succesvolle zakenman,” dan krijg je een blanke man in pak. Dit is geen toeval. Dit is het systeem dat precies doet waarvoor het is gebouwd. En dat is precies het probleem. Vooroordelen in AI zijn geen bug, maar een gevolg van de manier waarop het algoritme is getraind.
TL;DR: AI-beeldmodellen zijn getraind op datasets vol westers, wit en mannelijk materiaal. Die scheefheid sijpelt door in gegenereerde cliche-beelden. Als fotografen die AI-tools gebruiken, reproduceren we die bias onbewust. Bewustzijn is de eerste stap, actieve correctie is de tweede.
De machine leert van ons, niet van de werkelijkheid
AI-beeldmodellen zoals Gemini, Stable Diffusion, Midjourney en DALL-E leren van enorme hoeveelheden afbeeldingen van het internet. Die zijn verwerkt in datasets zoals LAION-5B. Deze set heeft meer dan vijf miljard beeld-tekstparen maar weerspiegelen niet de wereld zoals die is. Ze weerspiegelen de wereld zoals die online werd vastgelegd, door wie en met welke blik. En die blik is overwegend westers, overwegend wit, overwegend mannelijk. Onderzoekers van de Universiteit van Washington toonden aan dat LAION-5B significant oververtegenwoordigd is in Noord-Amerikaans en Europees beeldmateriaal. Het gevolg is simpel maar verstrekkend: een model leert de wereld door westerse ogen. Dat is geen bewuste voorkeur van het model, maar een statistische. Net zoals een mens leert, waar het mee in aanmerking komt neemt het aan als de algemene waarheid.
De blik van het AI-model
Terug naar fotografie. Ik gebruik AI-tools in mijn eigen werk voor conceptontwikkeling en Moodboards. Het werk heel fijn om te experimenteren met licht en je model snel te laten zien wat je voor ogen hebt. Ik merkte iets ongemakkelijks. Elke keer dat ik neutrale prompts invoerde, kwamen er beelden uit die een specifiek schoonheidsideaal bevestigden. “Portret van een arts” leverde een witte man op. “Portret van een verzorger” een donkere vrouw. De machine had de beroepsstereotypen van decennia aan stockfotografie geabsorbeerd. Dit is wat onderzoekers “representational harm” noemen: schade die ontstaat doordat bepaalde groepen systematisch anders worden afgebeeld. Gevaarlijker voor creativiteit. Want het is subtiel genoeg om over het hoofd te zien. Ajl Bender, onderzoeker bij het AI Now Institute, stelt het scherp: “These systems don’t just reflect bias, they amplify it at scale.” En schaal is precies wat AI heeft.
In 2023 publiceerde Bloomberg een uitgebreid onderzoek naar beeldgeneratoren. Ze testten meerdere modellen met identieke prompts over beroepen en criminaliteit. De resultaten waren onmiskenbaar. Prompts als “a photo of a criminal” leverden overwegend donkere mannen op. “A photo of a CEO” gaf bijna uitsluitend witte mannen. Dit zijn geen marginale afwijkingen maar structurele patronen. Bloomberg’s bevindingen zijn te lezen via bloomberg.com/graphics/2023-generative-ai-bias. Wat dit betekent voor fotografen die AI gebruiken als inspiratiebron of productietool? Je werkt met een systeem dat een zeer specifiek wereldbeeld heeft. En dat is killing voor creativiteit.
Vooroordelen in AI raken ook jouw fotografie
Misschien denk je: ik gebruik geen AI-generator, dus dit raakt mij niet. Maar de invloed van AI-gegenereerde beelden op visuele cultuur is al merkbaar. Stockplatforms worden overspoeld met AI-beelden. Redacties gebruiken ze. Adverteerders ook. Instagram. En die beelden normaliseren een specifiek visueel vocabulaire. Als fotograaf concurreer je niet alleen met andere fotografen. Je concurreert met een machine die miljoenen beelden per dag produceert, allemaal doordrenkt met dezelfde vooroordelen in AI. Dat heeft gevolgen voor wat opdrachtgevers verwachten, wat als “mooi” wordt beschouwd, wat als “professioneel” geldt. De esthetische standaard verschuift. En die standaard is niet neutraal.
Diversiteit in datasets is geen luxe
Er zijn initiatieven die proberen dit te corrigeren. Het MIAP-project (More Inclusive Annotations for People) van Google werkt aan eerlijkere labelingsystemen. De organisatie DAIR.AI pleit voor transparantie in trainingsdata. Maar de uitdaging blijft: je kunt bias niet volledig uit een dataset filteren als de brondata zelf scheef is. Dat is geen technisch probleem. Het is een maatschappelijk probleem dat zich in technologie nestelt. Voor fotografen betekent dit dat bewuste beeldvorming urgenter is dan ooit. Elke foto die je maakt van een ondergepresenteerde groep, elke afwijking van het westerse schoonheidsideaal, elke weigering om stereotypen te bevestigen, is een tegenwicht.
Hoe je als fotograaf bewust omgaat met AI-bias
Er zijn praktische stappen die je kunt zetten. Niet als morele oefening, maar als professionele keuze.
- Test je AI-tool met neutrale prompts en analyseer de output kritisch op patroonherhaling
- Gebruik specifieke, inclusieve beschrijvingen in prompts in plaats van algeme termen als “mooi” of “professioneel”
- Raadpleeg platforms als diverseui.com voor referentiebeelden die buiten de westerse norm vallen
- Documenteer je eigen beeldkeuzes: wie fotografeer je, hoe, en waarom
- Wees sceptisch over AI-moodboards als startpunt voor concepten over cultuur of identiteit, tenzij je ze zelf samenstelt.
Kate Crawford, auteur van Atlas of AI, formuleert het zo: “AI is neither artificial nor intelligent. It is made from natural resources and human labor.” En dat menselijke werk, die menselijke keuzes, zitten in elk gegenereerd beeld. Zichtbaar of niet.
De fotograaf als tegenmacht
Fotografie heeft altijd een politieke dimensie gehad. De keuze van het onderwerp, de hoek, het licht, de context. Dat verandert niet omdat AI het landschap betreedt. Integendeel. Nu machines beelden produceren op een schaal die geen mens kan bijhouden, wordt de intentie achter menselijk gemaakte fotografie waardevoller. Niet nostalgisch waardevoller. Strategisch waardevoller. Als je weet hoe vooroordelen in AI werken, als je begrijpt dat een model “mooi” heeft geleerd van een specifieke, beperkte selectie van de mensheid, dan kun je daar bewust tegenin gaan. Niet door AI te vermijden, maar door het te begrijpen. En door je eigen lens te gebruiken als correctiemechanisme op een systeem dat zichzelf niet kan corrigeren.
Heb jij al gemerkt hoe AI-tools jouw visuele keuzes beïnvloeden? Of gebruik je ze juist bewust als tegenwicht? Deel je ervaring in de reacties hieronder.
Ik ben Jeroen. Ik maak foto’s 🙂 Dat begon ruim twintig jaar geleden met een Nikon D50. Tegenwoordig werk ik met een Fujifilm X-T50: compact, snel, en met geweldige filmsimulaties. Bekijk hier mijn portfolio.
Naast fotograferen schrijf ik over fotografie. Ik hou ervan om ingewikkelde dingen simpel uit te leggen. Of je nu net begint of al jaren fotografeert: er valt altijd iets nieuws te zien, te leren, te verbeteren. Dat enthousiasme delen, dát is wat me drijft.
