UNG:DOX

Zizi: Queering the Dataset

Jake Elwes / / 2019

‘Zizi: Queering the Dataset’ er et videoværk, der disrupter et ansigtsgenkendelsessystem ved at tilføje 1000 billeder fundet online af personer i drag og med flydende kønsidentitet.

‘Zizi – Queering the Dataset’ har til formål at tackle manglen på repræsentation og mangfoldighed i de datasæt, der ofte bruges af ansigtsgenkendelsessystemer. Dette videoværk blev lavet ved at ‘forstyrre’ disse systemer og genoptræne dem ved at tilføje 1000 billeder fundet online af personer i drag og med flydende kønsidentitet. Dette får balancen inde i systemets neurale netværk til at flytte sig væk fra de normative identiteter, det oprindeligt blev trænet på, og ind i et rum af queerness. ‘Zizi – Queering the Dataset’ lader os kigge ind i maskinlæringssystemet og visualisere, hvad det neurale netværk har lært og ikke har lært. Værket er en fejring af forskellighed og inviterer os til at reflektere over bias i vores datadrevne samfund.