Create a personal version with the newest changes

chapters/0.5-preamble.tex

@@ -12,11 +12,10 @@
 
 	\end{minipage}
 	\hfill
-	%UNIWIEN
 	\begin{minipage}[t]{0.48\linewidth}
-		%%%%%%%%%%%%%		\section*{Abstract (Deutsch)}\par
+		\section*{Abstract (Deutsch)}\par
-		%%%%%%%%%%%%%		\vspace{0.8em}
+		\vspace{0.8em}
-		%%%%%%%%%%%%%		\footnotesize Die vorliegende Arbeit untersucht, wie Kritik und Widerstand im Kontext der rasant zunehmenden Präsenz von Generativer Künstlicher Intelligenz (genAI) neu theoretisiert werden können, indem diese Systeme zunächst innerhalb von Gilles Deleuze’ Konzept der Kontrollgesellschaften verortet werden. In diesem Rahmen treten klassische Institutionen zugunsten rechnergestützter Infrastrukturen zurück, die durch personalisierte, flexible und kontinuierliche Modulation operieren und so das Feld neu gestalten, in dem sich Prozesse der Subjektivierung entfalten. Frühere KI-Systeme zeigten bereits eine auffällige Ähnlichkeit zur Formulierung von Kontrolle durch prädiktive Relevanzzuweisung und verhaltensbezogene Personalisierung; zeitgenössische genAI-Modelle gehen mit ihren neuartigen Fähigkeiten jedoch einen Schritt weiter und nehmen aktiv an der Wissensproduktion teil, wodurch sie zu zentralen Akteuren in der Bildung menschlicher Subjektivität werden. Auf Grundlage einer theoretischen, historischen und technischen Analyse beleuchtet die Arbeit anschließend zentrale aktuelle Debatten um genAI, untersucht die Bedingungen der Wissensproduktion in Transformer-Architekturen, die Dynamiken der Mensch–Maschine-Interaktion, die Neukonfiguration von Handlungsfähigkeit sowie konkurrierende Entwicklungsparadigmen solcher Modelle. Unter Rückgriff auf Gilles Deleuze’ und Félix Guattaris Projekt \enquote{Kapitalismus und Schizophrenie} mobilisiert die Arbeit Konzepte wie Wunschproduktion, Schizoanalyse und Nomadologie, um ein theoretisches Gerüst zu entwickeln, das neu denken lässt, wie generative Infrastrukturen und Mensch–Maschine-Relationen in divergente, nicht-sedimentierte Formationen überführt werden können. In Kombination mit experimentellen Eingriffen in das Modellverhalten argumentiert die Studie, dass Möglichkeiten für Kritik und Widerstand immanent innerhalb generativer Systeme und ihrer kommunikativen Dynamiken entstehen. Anhand von Interventionen wie Gewichtsverstärkung, künstlicher Neugier und Gegen-Sequenzierung zeigt die Arbeit, wie sich generative Dispositive umnutzen lassen, um divergente Potenziale zu aktivieren, und entwickelt damit ein mikropolitisches Rahmenkonzept für Kritik und Widerstand.
+		\footnotesize Die vorliegende Arbeit untersucht, wie Kritik und Widerstand im Kontext der rasant zunehmenden Präsenz von Generativer Künstlicher Intelligenz (genAI) neu theoretisiert werden können, indem diese Systeme zunächst innerhalb von Gilles Deleuze’ Konzept der Kontrollgesellschaften verortet werden. In diesem Rahmen treten klassische Institutionen zugunsten rechnergestützter Infrastrukturen zurück, die durch personalisierte, flexible und kontinuierliche Modulation operieren und so das Feld neu gestalten, in dem sich Prozesse der Subjektivierung entfalten. Frühere KI-Systeme zeigten bereits eine auffällige Ähnlichkeit zur Formulierung von Kontrolle durch prädiktive Relevanzzuweisung und verhaltensbezogene Personalisierung; zeitgenössische genAI-Modelle gehen mit ihren neuartigen Fähigkeiten jedoch einen Schritt weiter und nehmen aktiv an der Wissensproduktion teil, wodurch sie zu zentralen Akteuren in der Bildung menschlicher Subjektivität werden. Auf Grundlage einer theoretischen, historischen und technischen Analyse beleuchtet die Arbeit anschließend zentrale aktuelle Debatten um genAI, untersucht die Bedingungen der Wissensproduktion in Transformer-Architekturen, die Dynamiken der Mensch–Maschine-Interaktion, die Neukonfiguration von Handlungsfähigkeit sowie konkurrierende Entwicklungsparadigmen solcher Modelle. Unter Rückgriff auf Gilles Deleuze’ und Félix Guattaris Projekt \enquote{Kapitalismus und Schizophrenie} mobilisiert die Arbeit Konzepte wie Wunschproduktion, Schizoanalyse und Nomadologie, um ein theoretisches Gerüst zu entwickeln, das neu denken lässt, wie generative Infrastrukturen und Mensch–Maschine-Relationen in divergente, nicht-sedimentierte Formationen überführt werden können. In Kombination mit experimentellen Eingriffen in das Modellverhalten argumentiert die Studie, dass Möglichkeiten für Kritik und Widerstand immanent innerhalb generativer Systeme und ihrer kommunikativen Dynamiken entstehen. Anhand von Interventionen wie Gewichtsverstärkung, künstlicher Neugier und Gegen-Sequenzierung zeigt die Arbeit, wie sich generative Dispositive umnutzen lassen, um divergente Potenziale zu aktivieren, und entwickelt damit ein mikropolitisches Rahmenkonzept für Kritik und Widerstand.
 	\end{minipage}
 
 	\vfill % pushes the next block to the bottom of the page
@@ -45,16 +44,3 @@
 
 	\end{minipage}
 \end{fullwidth}
-
-\newpage
-
-
-\begin{fullwidth}
-	\vspace*{2cm}
-	\begin{minipage}[t]{0.48\linewidth}
-		\section*{Abstract (Deutsch)}\par
-		\vspace{0.8em}
-		\footnotesize Die vorliegende Arbeit untersucht, wie Kritik und Widerstand im Kontext der rasant zunehmenden Präsenz von Generativer Künstlicher Intelligenz (genAI) neu theoretisiert werden können, indem diese Systeme zunächst innerhalb von Gilles Deleuze’ Konzept der Kontrollgesellschaften verortet werden. In diesem Rahmen treten klassische Institutionen zugunsten rechnergestützter Infrastrukturen zurück, die durch personalisierte, flexible und kontinuierliche Modulation operieren und so das Feld neu gestalten, in dem sich Prozesse der Subjektivierung entfalten. Frühere KI-Systeme zeigten bereits eine auffällige Ähnlichkeit zur Formulierung von Kontrolle durch prädiktive Relevanzzuweisung und verhaltensbezogene Personalisierung; zeitgenössische genAI-Modelle gehen mit ihren neuartigen Fähigkeiten jedoch einen Schritt weiter und nehmen aktiv an der Wissensproduktion teil, wodurch sie zu zentralen Akteuren in der Bildung menschlicher Subjektivität werden. Auf Grundlage einer theoretischen, historischen und technischen Analyse beleuchtet die Arbeit anschließend zentrale aktuelle Debatten um genAI, untersucht die Bedingungen der Wissensproduktion in Transformer-Architekturen, die Dynamiken der Mensch–Maschine-Interaktion, die Neukonfiguration von Handlungsfähigkeit sowie konkurrierende Entwicklungsparadigmen solcher Modelle. Unter Rückgriff auf Gilles Deleuze’ und Félix Guattaris Projekt \enquote{Kapitalismus und Schizophrenie} mobilisiert die Arbeit Konzepte wie Wunschproduktion, Schizoanalyse und Nomadologie, um ein theoretisches Gerüst zu entwickeln, das neu denken lässt, wie generative Infrastrukturen und Mensch–Maschine-Relationen in divergente, nicht-sedimentierte Formationen überführt werden können. In Kombination mit experimentellen Eingriffen in das Modellverhalten argumentiert die Studie, dass Möglichkeiten für Kritik und Widerstand immanent innerhalb generativer Systeme und ihrer kommunikativen Dynamiken entstehen. Anhand von Interventionen wie Gewichtsverstärkung, künstlicher Neugier und Gegen-Sequenzierung zeigt die Arbeit, wie sich generative Dispositive umnutzen lassen, um divergente Potenziale zu aktivieren, und entwickelt damit ein mikropolitisches Rahmenkonzept für Kritik und Widerstand.
-	\end{minipage}
-
-\end{fullwidth}

main.lof

@@ -2,20 +2,20 @@
 \addvspace {10\p@ }
 \addvspace {10\p@ }
 \addvspace {10\p@ }
-\contentsline {figure}{\numberline {3.1}{\ignorespaces An illustration of overlap and interplay between \gls {ai} domains leading to the \glspl {llm} such as ChatGPT (cf. \blx@tocontentsinit {0}\cite [47]{alomari2024})}}{44}{chapter.3}%
+\contentsline {figure}{\numberline {3.1}{\ignorespaces An illustration of overlap and interplay between \gls {ai} domains leading to the \glspl {llm} such as ChatGPT (cf. \blx@tocontentsinit {0}\cite [47]{alomari2024})}}{41}{chapter.3}%
-\contentsline {figure}{\numberline {3.2}{\ignorespaces Algorithmic Selection and Relevance Assignment Process (cf. \blx@tocontentsinit {0}\cite [241]{just2017})}}{49}{Item.16}%
+\contentsline {figure}{\numberline {3.2}{\ignorespaces Algorithmic Selection and Relevance Assignment Process (cf. \blx@tocontentsinit {0}\cite [241]{just2017})}}{46}{Item.16}%
-\contentsline {figure}{\numberline {3.3}{\ignorespaces A Simplified Illustration of a \gls {nn} (cf. \blx@tocontentsinit {0}\cite {subramaniam2019})}}{51}{section.3.3}%
+\contentsline {figure}{\numberline {3.3}{\ignorespaces A Simplified Illustration of a \gls {nn} (cf. \blx@tocontentsinit {0}\cite {subramaniam2019})}}{48}{section.3.3}%
-\contentsline {figure}{\numberline {3.4}{\ignorespaces Dimensionality Reduction via Principal Component Analysis, Image Reconstruction out of 20 Principal Components, and Feature Importance Visualisation using Olivetti Faces Dataset (dataset: \blx@tocontentsinit {0}\cite {attlaboratoriescambridge2005}, implementation: author's self work, see Annex~\ref {cha:dimensionality_reduction}.) }}{53}{subsection.3.3.1}%
+\contentsline {figure}{\numberline {3.4}{\ignorespaces Dimensionality Reduction via Principal Component Analysis, Image Reconstruction out of 20 Principal Components, and Feature Importance Visualisation using Olivetti Faces Dataset (dataset: \blx@tocontentsinit {0}\cite {attlaboratoriescambridge2005}, implementation: author's self work, see Annex~\ref {cha:dimensionality_reduction}.) }}{50}{subsection.3.3.1}%
-\contentsline {figure}{\numberline {3.5}{\ignorespaces The original Transformer Architecture with built-in Multi-Head Attention Mechanism in Encoder and Decoder Processes (cf. \blx@tocontentsinit {0}\cite [3]{vaswani2017a}) }}{56}{subsection.3.3.2}%
+\contentsline {figure}{\numberline {3.5}{\ignorespaces The original Transformer Architecture with built-in Multi-Head Attention Mechanism in Encoder and Decoder Processes (cf. \blx@tocontentsinit {0}\cite [3]{vaswani2017a}) }}{53}{subsection.3.3.2}%
-\contentsline {figure}{\numberline {3.6}{\ignorespaces Non-convex optimisation: Utilisation of gradient descent to find a local optimum ona loss/cost manifold (cf. \blx@tocontentsinit {0}\cite [3]{amini2018}) }}{59}{subsection.3.3.3}%
+\contentsline {figure}{\numberline {3.6}{\ignorespaces Non-convex optimisation: Utilisation of gradient descent to find a local optimum ona loss/cost manifold (cf. \blx@tocontentsinit {0}\cite [3]{amini2018}) }}{56}{subsection.3.3.3}%
-\contentsline {figure}{\numberline {3.7}{\ignorespaces A simple illustration of how backpropagation updates the neurons among the layers of a \gls {nn} in a backwards manner (cf. \blx@tocontentsinit {0}\cite {3blue1brown2017}) }}{61}{subsection.3.3.3}%
+\contentsline {figure}{\numberline {3.7}{\ignorespaces A simple illustration of how backpropagation updates the neurons among the layers of a \gls {nn} in a backwards manner (cf. \blx@tocontentsinit {0}\cite {3blue1brown2017}) }}{58}{subsection.3.3.3}%
 \addvspace {10\p@ }
-\contentsline {figure}{\numberline {4.1}{\ignorespaces A speculative illustration of what the abstraction in the inner layers of an image recognition model looks like (cf. \blx@tocontentsinit {0}\cite {wolchover2017})}}{71}{section.4.1}%
+\contentsline {figure}{\numberline {4.1}{\ignorespaces A speculative illustration of what the abstraction in the inner layers of an image recognition model looks like (cf. \blx@tocontentsinit {0}\cite {wolchover2017})}}{68}{section.4.1}%
-\contentsline {figure}{\numberline {4.2}{\ignorespaces A human's development of a world model via a language capability (language app) in a natural environment (Animal OS) (cf. \blx@tocontentsinit {0}\cite [268]{matsuo2022}) }}{73}{section.4.2}%
+\contentsline {figure}{\numberline {4.2}{\ignorespaces A human's development of a world model via a language capability (language app) in a natural environment (Animal OS) (cf. \blx@tocontentsinit {0}\cite [268]{matsuo2022}) }}{70}{section.4.2}%
 \addvspace {10\p@ }
-\contentsline {figure}{\numberline {5.1}{\ignorespaces X's \gls {llm} Grok arguing against Elon Musk's claims \blx@tocontentsinit {0}\parencite []{grok[@grok]2025} }}{92}{section.5.2}%
+\contentsline {figure}{\numberline {5.1}{\ignorespaces X's \gls {llm} Grok arguing against Elon Musk's claims \blx@tocontentsinit {0}\parencite []{grok[@grok]2025} }}{89}{section.5.2}%
-\contentsline {figure}{\numberline {5.2}{\ignorespaces Claude's Response before and after the Amplification of the \textit {Golden Gate Bridge} Feature}}{101}{Item.22}%
+\contentsline {figure}{\numberline {5.2}{\ignorespaces Claude's Response before and after the Amplification of the \textit {Golden Gate Bridge} Feature}}{98}{Item.22}%
-\contentsline {figure}{\numberline {5.3}{\ignorespaces A cat image misclassified as guacamole after the addition of adversarial noise.}}{106}{Item.32}%
+\contentsline {figure}{\numberline {5.3}{\ignorespaces A cat image misclassified as guacamole after the addition of adversarial noise.}}{103}{Item.32}%
 \addvspace {10\p@ }
 \addvspace {10\p@ }
 \addvspace {10\p@ }

main.tex

@@ -9,13 +9,8 @@
 \makenoidxglossaries
 
 \begin{document}
-
-\begin{titlepage}
-	\thispagestyle{empty}
-	\includepdf[pages=-,scale=0.9,pagecommand={}]{./sources/Titelblatt_Utku_Bilen_Demir.pdf}
-\end{titlepage}
-
 \maketitle
+
 \title{Nomadic Descent: Generative AI, Subjectivation, and Resistance/Critique in Control Societies}
 \author{} % UNIWIEN
 \input{chapters/0.5-preamble.tex}