Menneske og drømmemaskine. Posthumane myteskabelser om AI hos Amalie Smith
Notice bibliographique
Résumé
SummaryIn the present article, I analyse the process of making the artwork Machine Learning I II III (2018) by Danish artist Amalie Smith to examine how it conceptualizes a posthuman myth about computer vision and AI. Smith’s artwork investigates the phenomenon of computer vision through using a convolutional neural network to represent what this network is thought to “see”. The artwork is an aesthetic manifestation of the invisible operations of the machine learning algorithm in a form that is visible to humans, and thereby it engages aesthetic speculations about how computer vision works. The artist provides an insight into how machine learning algorithms interpret images in a way that is radically different from humans, but at the same time greatly affects human reality because of the algorithmic culture that permeates contemporary societies. I read Machine Learning I II III with posthuman thinkers Rosi Braidotti, Donna Haraway and N. Katherine Hayles to show how Smith imagines a co-creative relationship between human and technology that neglects a myth about “machine” and “human” as distinct and isolated categories; a myth where symbols, human and algorithmic intelligence, weaving, and written discourse intertwine to make the artwork. In this way, Machine Learning I II III moves towards a posthuman myth of computer vision and AI where it is impossible to unentangle human and technological forces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».