Schönheit liegt im Auge des Betrachters. Es sei denn, dieser Betrachter ist eine Maschine. Künstliche Intelligenz, die entsprechend programmiert ist, urteilt nicht wie Menschen nach individuellen Vorlieben, sondern misst, wie jung, wie gesund, wie symmetrisch jemand aussieht. Ist das der Weg, um wahre Schönheit zu finden? Das dachten zumindest die Macher des Wettbewerbs Beauty.AI.

6.000 Menschen aus etwa 100 Ländern haben Selfies von sich eingeschickt, die dann von einer neutralen Jury aus Algorithmen ausgewertet wurden. Doch schaut man die 40 Gewinner in den verschiedenen Altersklassen an, fällt auf: Die Mehrheit ist weiß, wenige Menschen asiatisch aussehend, nur eine Person hat eine dunkle Hautfarbe.

Der Wettbewerb sei "die perfekte Illustration" für das Problem mit Algorithmen, sagte Bernard Harcourt, Professor für Recht und Politikwissenschaft an der Columbia University, dem Guardian. Es seien eben immer noch Menschen, die die Denkarbeit leisten, "auch wenn es per Algorithmen geschieht und wir denken es sei neutral und wissenschaftlich".

Künstliche Intelligenz - Wenn neuronale Netze träumen

Auch Beauty.AI hat das Problem anerkannt. Alex Zhavoronkov, wissenschaftlicher Leiter von Beauty.AI, sagte dem Guardian, die Fotosammlung, auf deren Grundlage die Algorithmen Schönheit erkennen lernen sollten, enthielten schlicht nicht genügend Bilder von Menschen, die nicht weiß sind. Obwohl die Jury also nicht explizit eine helle Haut als schön bewerten sollte, tat sie es, weil sie das für die Norm hielt.

Die Gruppe, die den Wettbewerb ausrichtet, nennt sich Youth Laboratories, und programmiert nach eigenen Angaben künstliche Intelligenz für die "unparteiische Analyse von Hautgesundheit", mit denen auch Effekte von Anti-Aging-Produkten getestet werden könnten. Alex Zhavoronkov ist ihr Gründer.

Eine Diskussion über problematische Algorithmen war in den USA erst im Juni neu entbrannt. Da wurde bekannt, dass das Justizvollzugssystem mit einer Software arbeitet, die berechnet, mit welcher Wahrscheinlichkeit Straftäter wieder rückfällig werden und Schwarzen dabei fälschlicherweise ein höheres Risiko zuweist.