MétaCan
Menu
Retour à la cohorte
Enregistrement W7135004341

Nothing to See Here: Generative AI, Neoliberal Crisis, and Intensified Counterinsurgency

2025· other· en· W7135004341 sur OpenAlexfundno aff
Grayson Richards

Notice bibliographique

RevueYorkSpace (York University) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of OxfordYork UniversityUniversity of Minnesota
Mots-clésDisinformationGovernmentalityNeoliberalism (international relations)NothingPoliticsOperationalizationGenerative grammarNarrativeField (mathematics)Dystopia
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Examining generative artificial intelligence (genAI) as a discursive and technical agent deployed in response to the ongoing crisis of neoliberal legitimacy, this dissertation advances the claim that so-called “safe” models extend the counterinsurgent (COIN) mode of governance, both as an effect of the technology’s inherent mode of visualizing “meaning” from unstructured data, and through their operationalization as instruments of epistemic and political management. Anchored by Mirzoeff’s genealogy of Visuality—defined as the ‘visualization’ of the social in ways that separate subjects and authorize centralized control—the dissertation’s narrative is organized into three parts. The first develops a historico-genealogical account of media, visuality, and power, showing how media technologies reflect and intensify particular visualities, culminating in the emergence of algorithms as the media form native to a mode of visualization which ‘sees’ the social as a heterogeneous field to be stabilized through counterinsurgency. Part two narrates the current intensification as an establishment response to the deepening crisis of neoliberal governmentality and the runaway aggregation of insurgency enabled by platform algorithms, securitizing genAI through appeals to epistemic integrity, AI safety, and existential risk in authorization of extrapolitical information controls. Finally, part three traces this intensification of COIN through an analysis of the complementary regulations, technical countermeasures and epistemic interventions constructing the “safe” model as a palliative to the “existential threats” of AI-enhanced disinformation and its corollary: infocalypse. GenAI emerges at a conjuncture where digital networks have made it increasingly difficult to sustain stability via COIN alone. This dissertation contends that, absent meaningful political economic reformation, authority has instead resorted to progressively heavy-handed interventions in the digital public arena, birthing a complex of protocols which in effect produce “safe” generativity as a means of policing epistemic and political legitimacy through the tactical disaggregation of mounting insurgency. Recognizing that, while an extension of COIN visuality, genAI simultaneously reveals this intensification as the product of an ultimately mutable system, the dissertation concludes with a speculation on the possibility of appropriating generativity to visualize realities emancipated from the oppressive legacies of Visuality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYorkSpace (York University)Travaux en français237 207