„Was sehen die verschiedenen Open-AI-Clip-Modelle in einem Bild? Was könnte eine gute Textschlagzeile sein, um ähnliche Bilder mit Clip-geführter Diffusion oder andere Text-Bild-Paare zu erstellen?“ So lautet die Beschreibung der KI Clip Interrogator. Doch statt genau das zu tun, wofür es eigentlich programmiert wurde, spuckt das Tool zum Teil heftige Beleidigungen aus.

An sich sollten User:innen Bilder in das KI-Tool hochladen können und dieses müsste einem dann Textvorschläge aka Bildunterschriften für das jeweilige Bild schicken. Wie viele Twitter-Nutzer:innen jedoch feststellen mussten, bekamen sie zum Teil mysteriöse und verwirrende Texte angezeigt – und wurden zudem auch noch wüst beschimpft. So wie beispielsweise Twitter-Userin @strawbsisntdead, die ein Selfie hochlud und den Selbsttest machte.

Während der erste Teil der Texte mit Vorschlägen wie „Eine Frau steht im Garten und hält ein Handy in der Hand“ noch recht harmlos erscheint, wird die Frau in dem unteren Teil der Textvorschläge als „Twitch-Streamerin“ bezeichnet und als „müde und betrunken“ beschrieben.

Und damit ist sie nicht die Einzige. Einer anderen Twitter-Userin warf die KI vor, ein „deformiertes Gesicht“ zu haben.

Ein weiterer Nutzer musste sich anhören, dass er „ergraute Haare“ habe, aussehe wie ein „Muppet“ und ein Gesicht habe, in das man am liebsten reinschlagen würde.

Und es wird sogar noch besser. Inzwischen machen sich die Twitter-User:innen einen Spaß daraus, Selfies hochzuladen und sich über die Antworten zu amüsieren. Die Ergebnisse der KI werden fleißig geteilt. Ein Post toppt den anderen.

So wurde einer wirklich attraktiven Frau allen Ernstes unterstellt, sie würde aussehen wie „Steve Buscemi als Joker“, gleichzeitig sei sie aber eine „schöne jüdische Frau“, die ein „trauriges Gesicht“ habe.

Ein weiterer Twitter-Nutzer wurde als „maskulines London-Gang-Mitglied“ abgestempelt, das allerdings ein „unordentliches Schlafzimmer“ habe.

Die KI wurde von einem Künstler der generativen Kunst erschaffen, der unter dem Namen Pharmapsychotic bekannt ist. Sie baut auf dem neuronalen Netzwerk Contrastive Language-Image Pre-Training (Clip) von Open AI auf, das 2021 veröffentlicht und von Hugging Face gehostet wird.

Was sie aber in Wirklichkeit tun soll, ist nach diesen Tweets tatsächlich ein Rätsel. Klar ist nur, dass es ein großer Spaß zu sein scheint, ein Selfie hochzuladen und beschreiben zu lassen. Allzu ernst nehmen solltet ihr die Textergebnisse aber nicht.