Ada perasaan penting versi yang disebut kecerdasan buatan saat ini berbeda dari apa yang sering diantisipasi oleh fiksi ilmiah abad ke-20. Buku dan film mumnya menunjukkan kepada kita robot atau komputer cerdas yang, meskipun memiliki arsip pengetahuan ensiklopedis, berperilaku seperti individu. Itu pada dasarnya adalah versi buatan dari pikiran manusia. Namun jaringan saat ini tidak seperti itu.
ChatGPT, misalnya, dilatih tentang konten teks dari seluruh Internet. Jawaban-jawabannya nampaknya datang dari cara pengucapan yang netral, impersonal, seimbang, dan benar secara politis. Dalam hal ini, ia memiliki kemiripan dengan produk kecerdasan kolektif lainnya di era digital: Wikipedia. Dalam kasus Midjourney atau Dall-E, mereka dipenuhi dengan miliaran gambar yang mewakili sebagian besar budaya visual kontemporer. Seperti yang telah kita amati, ini berarti mereka dapat meniru gaya apa pun, tetapi mereka tidak memiliki gaya mereka sendiri (kecuali untuk gangguan karakteristik tertentu, seperti tangan dengan banyak jari).
Jauh dari reproduksi teknologi dari subjek atau penulis tertentu, masing-masing jaringan ini pada saat yang sama adalah semua orang dan bukan siapa pun: semacam subjek kolektif atau sarang pikiran. Ekstraksi keteraturan secara bertahap selama pelatihan menghasilkan arsip terkompresi dari bidang informasi yang dihuni manusia saat ini. Hubungan dengan kompresi file lebih dari sekedar metafora: selama proses ini jaringan dihadapkan pada sejumlah besar unit informasi (gambar, teks, atau apa pun) dan secara bertahap menyaring apa yang ada di dalamnya. yang dapat kita bayangkan sebagai kawasan yang lebih padat penduduknya dalam ruang kemungkinan multidimensi yang disebut ruang laten.
 sistem yang kita bicarakan dilatih dengan hampir semua sumber informasi yang dapat diakses di Internet menunjukkan perusahaan-perusahaan teknologi di balik perkembangan ini bertindak dengan kesetiaan yang cermat terhadap salah satu prinsip dasar kapitalisme. barang-barang. Melanjutkan ke semacam ekstraktivisme digital, mereka memanfaatkan jejak informasi yang kita semua hasilkan setiap hari, tanpa berhenti untuk mempertimbangkan hak cipta atau pertimbangan atribusi yang benar. Ini adalah tindakan apropriasi yang dimaafkan dan diminimalkan oleh perusahaan karena fakta jaringan saraf tidak benar-benar mempertahankan item apa pun yang telah dilatihnya, namun hanya tersisa aroma, sebuah sintesis struktur yang halus dan tidak terlihat kesamaan antara bagian informasi tersebut dan banyak informasi lain yang serupa dengannya.
Di sini kita menemukan versi lain dari kematian penulis: dalam sintesis kesamaan yang dijalankan jaringan, semua singularitas, semua kisah pribadi, perbedaan istimewa, dan nama diri akan mati. Dalam arti tertentu, jaringan adalah realisasi teknologi dari cita-cita strukturalis: ketika kita menerapkannya, bahasa itu sendiri (budaya kontemporer) yang berbicara. Bagi Descartes, penggunaan bahasa yang beralasan merupakan salah satu ciri roh, yang menjadikan manusia lebih dari sekadar mesin. Namun sekarang, kita telah berhasil membuat mesin bahasa yang berbicara kepada dirinya sendiri, dan dalam otomatisasi roh tersebut, menjadikan diri kita tidak relevan.
Sekarang: file terkompresi itu, bola besar berisi esensi sulingan yang memenuhi ruang laten tampaknya diberkahi dengan kekuatan tak terbatas. Kita tidak akan pernah selesai menjelajahi konten virtual yang, hanya dengan interpolasi dan rekombinasi acak, dapat kita ekstrak dari kotak Pandora tersebut. Namun mungkin saja struktur yang sama yang menyediakan virtualitas tanpa akhir memiliki keterbatasan yang tidak dapat diatasi. Mereka mulai dengan mengecam mistifikasi kecerdasan buatan, yang dalam inkarnasinya saat ini bukanlah suatu bentuk kognisi alien, melainkan sebuah instrumen pembesaran pengetahuan, yang membantu memahami pola dan korelasi dalam ruang data raksasa yang berada di luar jangkauan manusia.. Dengan kata lain, mereka bukanlah perangkat kognisi yang canggih melainkan perangkat persepsi, yang memperluas batasan sensitif kita dalam bidang informasi dengan cara yang serupa dengan mikroskop dan teleskop dalam bidang optic; beroperasi, seperti yang kami katakan di atas, dari sintesis kesamaan dalam keragaman data adalah kekuatan dan batas akhirnya:
Sebagai teknik kompresi informasi, pembelajaran mesin mengotomatiskan kediktatoran di masa lalu, taksonomi masa lalu, dan pola perilaku di masa kini. Masalah ini bisa disebut regenerasi yang lama : penerapan pandangan ruang-waktu yang homogen yang membatasi kemungkinan terjadinya peristiwa sejarah baru.
Regenerasi yang lama mempunyai tandingannya dengan tidak terdeteksinya yang baru, yaitu kebutaan terhadap segala sesuatu yang marginal, minoritas, luar biasa, atau asing terhadap pola-pola dominan dalam kumpulan data. Dalam istilah artistik, ini sama dengan mengatakan jaringan saraf dikutuk untuk beroperasi dalam wilayah klise.
Pertanyaan yang melelahkan bisakah AI menjadi kreatif: harus diungkapkan ulang dalam istilah teknis: Bisakah pembelajaran mesin menciptakan karya yang bukan tiruan dari masa lalu: Bisakah pembelajaran mesin diekstrapolasi melampaui batas gaya data pelatihan Anda: Kreativitas pembelajaran mesin terbatas pada mendeteksi gaya dari data pelatihan Anda dan kemudian melakukan improvisasi secara acak dalam gaya tersebut. Dengan kata lain, pembelajaran mesin hanya dapat mengeksplorasi dan berimprovisasi dalam batas logis yang ditetapkan oleh data pelatihan. Untuk semua masalah ini, dan tingkat kompresi informasinya, akan lebih akurat jika menyebut seni pembelajaran mesin sebagai seni statistik.
Dalam perspektif Joler dan Pasquinelli, kita melihat, di satu sisi, upaya yang meyakinkan untuk memulihkan sentralitas manusia dengan menggantikan pembelajaran mesin sebagai alat (pengetahuan). Namun, kembali ke pertanyaan yang telah kita ajukan di atas, pertanyaannya adalah seberapa besar otonomi, berapa banyak perilaku yang tidak terduga, berapa banyak kejutan yang diperlukan sebelum kita memutuskan kata alat jelas tidak tepat. Demikian pula, kita mungkin menduga kapasitas untuk improvisasi acak dalam gaya yang direpresentasikan dalam data pelatihan bukanlah suatu prestasi kecil. Manusia, sebagai sistem yang berorientasi pada pengulangan urutan yang dipelajari dan pengenalan pola, sangat buruk dalam hal kebetulan. Cukuplah bagi kita untuk mencoba memikirkan serangkaian angka acak: kita tidak hanya akan mendapati tugas ini cukup melelahkan, namun kita akan mendapati diri kita curang; terus-menerus menciptakan aturan sementara untuk berpindah dari satu angka ke angka lainnya dalam semacam simulasi kegagalan yang tidak terduga. Komputer, sebaliknya, mempunyai generator acak (pseudo) yang sangat cepat dan efisien, dan dalam hal ini mereka jauh lebih unggul dari kita.
Ngomong-ngomong, dalam menghadapi produksi jaringan teks-ke-gambar yang sangat meresahkan, atau dalam menghadapi respons tertentu yang tidak biasa dari model bahasa alami, sulit untuk berpikir kita hanya dihadapkan pada regenerasi sistem bahasa lama.. Meskipun kami menyetujui diagnosis ini dari sudut pandang teoretis, ada sesuatu yang tidak sesuai dengan pengalaman. Sebagian besar keributan sosial yang ditimbulkan oleh teknologi pembelajaran mesin saat ini berkaitan dengan perasaan bersama sesuatu yang baru, aneh, sulit dipahami, dan mengkhawatirkan sedang terjadi.
