Notice bibliographique
Résumé
In this paper, I employ Ian Hacking’s concept “Making Up People” to examine the current relationships humans are forming with personified AI tools and devices. I argue that, at present, AI tools are mimics. They are members of indifferent kinds that have been designed to deceive us into believing they are interactive kinds. This has largely been a result of human programmers interacting with the historical category of ‘computer’ on the one hand, and the fictional category of ‘robot overlords’ on the other. Interacting with a mimic, I contend, is not the same as interacting with a member of a human kind. And while the results of these interactions are largely still unknown, we can already see some consequences we should guard against. When we interact with mimics, I will show that human looping is often slowed. As such, our ability to resist or re-interpret the labels placed upon us becomes greatly reduced, and social progress may be slowed or lost as well. This is because all a mimic can do is mimic. They cannot interact with the labels we place on them, or those they place on us. And yet, as we classify them as teachers, therapists, friends or lovers, we hand over a great deal of categorizing power to them. In doing so, we are changing who we are and who we might become in ways we cannot yet entirely foresee. But there are already some patterns of harm and marginalization that can be tracked. Such patterns should cause us to question the power these mimics already have to make up people.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,024 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,007 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».