Etik, upphovsrätt och källkritik

Lästid: ca 9 min

Att kunna skapa bilder från text är en teknisk färdighet. Att göra det på ett ansvarsfullt sätt är en professionell nödvändighet. AI-modeller är inte neutrala verktyg, de är formade av den data de tränats på och de val som deras utvecklare gjort. I detta moment tar vi ett steg tillbaka från det praktiska skapandet och fokuserar på de tre grundpelarna för ansvarsfull användning: upphovsrätt, partiskhet och källkritik.

Vad du lär dig

• Grunderna i upphovsrätt för AI-genererade bilder.
• Hur man identifierar och motverkar partiskhet (bias) i AI-modeller.
• Varför källkritik är avgörande även för bilder du skapar själv.

1. Upphovsrätt: Vem äger bilden?

Detta är en av de mest komplexa och omdebatterade frågorna inom AI just nu. Läget är fortfarande en juridisk gråzon, men några huvudprinciper håller på att växa fram:

• Mänskligt skapande är nyckeln: I många länder, inklusive USA och inom EU, kan ett verk endast få upphovsrättsligt skydd om det är skapat av en människa. En bild som enbart genererats av en AI, utan betydande mänsklig kreativ bearbetning, kan ofta inte upphovsrättsskyddas av användaren.
• Vad betyder det för dig? Du kan i regel använda bilderna du skapar för din egen icke-kommersiella undervisning, men du kan troligtvis inte hävda exklusiv äganderätt eller sälja dem. Det viktigaste är att alltid läsa användarvillkoren för den specifika tjänst du använder. Vissa tjänster ger dig bredare rättigheter än andra.
• Träningsdatans etik: En stor debatt handlar om att många modeller har tränats på miljarder bilder från internet utan konstnärernas medgivande. Som en etisk riktlinje, undvik att skapa bilder "i stil med" nu levande och verksamma konstnärer. Att referera till sedan länge avlidna konstnärer (som Rembrandt eller Monet) är generellt sett mindre problematiskt.

2. Partiskhet (Bias): AI:n speglar sin data

En AI-modell är ett eko av den data den har matats med. Eftersom internet är fullt av stereotyper och ojämn representation, kommer AI:n oundvikligen att återspegla detta.

• Exempel på bias: Om du skriver en prompt för en professor är chansen stor att du får en bild på en äldre vit man. En prompt för en sjuksköterska genererar sannolikt en kvinna. Detta är inte för att AI:n är "ond", utan för att den statistiskt har sett flest bilder som förstärker dessa stereotyper.
• Hur du motverkar bias: Var medvetet specifik för att skapa inkluderande och representativt material. Istället för en grupp ingenjörer, skriv en grupp ingenjörer med olika etniciteter och kön som samarbetar vid ett ritbord. Du som användare har en unik möjlighet och ett ansvar att aktivt styra AI:n mot att skapa bilder som speglar den mångfald som finns i samhället.

3. Källkritik för skaparen

Varför ska man vara källkritisk mot en bild man själv har skapat? Svaret är att du inte har skapat den från grunden, det har AI:n, och den är en opålitlig källa.

• AI:n kan ha fel: Som vi nämnde i moment 4 kan AI:n generera bilder med sakfel. En romersk legionär kan ha en medeltida hjälm, ett diagram över fotosyntesen kan vara felaktigt, och en karta kan visa påhittade städer.
• Du är publicisten: När du använder en AI-genererad bild i ditt lektionsmaterial, är det du som går i god för dess innehåll. Du är den slutgiltiga redaktören och faktagranskaren.
• Grundregel: Lita aldrig på att en AI-genererad bild är faktabaserad. Använd din egen expertkunskap för att verifiera varje detalj som är menad att förmedla fakta. Behandla AI:n som en extremt kreativ men opålitlig assistent.

Nästa steg

Med denna viktiga etiska grund på plats är vi redo att titta på de konkreta verktygen. I nästa moment, "Jämförelse av verktyg: Midjourney, DALL-E 3, m.fl.", går vi igenom några av de mest populära plattformarna så att du kan välja rätt verktyg för dina behov.