Introduce new published formats

README.md

@@ -0,0 +1,4 @@
+# Master's Thesis
+
+## TODO
+- [x] Merge a couple of changes relevant from the uni branch (e.g. glossary update)

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}

chapters/3-ai.tex

@@ -162,7 +162,6 @@ Once vectorisation is performed, the next question is how to most effectively re
 		\cite{attlaboratoriescambridge2005}, implementation: author's self
 		work, see Annex~\ref{cha:dimensionality_reduction}.)
 	}\label{fig:dimensionality_reduction}
-	\forcerectofloat
 \end{figure}
 
 Dimensionality reduction might be hard to visualise in the case of text data,

chapters/4-institution.tex

@@ -79,7 +79,6 @@ cycles of backpropagation.
 	\includegraphics[width=\textwidth]{images/image_recognition_network.png}
 	\caption{A speculative illustration of what the abstraction in the inner layers of an image recognition model looks like (cf. \cite{wolchover2017})}
 	\label{fig:image_recognition_network}
-	\forcerectofloat
 \end{figure}
 
 

chapters/5-conjunctive_synthesis.tex

@@ -177,7 +177,7 @@ What is the implication? Is this the eugenics of human–machine communication t
 
 
 \section{All the Stones and No Mouth: Artificial Desire for Artificial
-  Entities}\marginnote{In reference to \citeauthorfull{beckett2009}'s \parencite*[]{beckett2009} novel "Molloy" and Molloy's stone sucking machine.}
+  Entities}\marginnote{In reference to \citeauthorfull{beckett2009}'s \parencite*[]{beckett2009} novel \enquote{Molloy} and Molloy's stone sucking machine.}
 
 But do we have a method to shape \gls{genai} so that it genuinely nurtures creativity and allows users to move beyond the feedback loops formed in their interaction with these systems? In other words, is a non-sedimentary mode of human–machine communication possible? When \gls{ai} development shifted from \gls{sl} to \gls{ul} (see Chapter~\ref{sec:ai_history}), much of the explicit intentionality once encoded into models was lost. Today, intentionality can only be introduced indirectly through training data composition, fine-tuning procedures, or \gls{rlhf} frameworks, all of which remain partial, biased, and structurally constrained. Guiding \gls{genai} toward genuine divergence, therefore, requires not only technical adjustment but also a critical understanding of how its architectures condition and delimit meaning. Through the lens of \gls{dg}, a familiar critique is that \gls{genai} kills the flows of desire (see e.g. \cite{creativephilosophy2023}). This specific critique is concerned that \gls{genai} models' production fills gaps, completes patterns, and reterritorialises fragmented expressions into coherent outputs, leaving little open space for ideas to grow or for desire to flow. It becomes a machinery of completion, supplying coherence even where none exists and producing plausibility in place of truth. Desiring-production is formed by interruptions as much as it is accumulated by flows \parencite[5]{deleuze1983}; thought, critique, belief, and reasoning belong to the same field of production, yet the concern is that the interaction with the model folds them into circuits that privilege completion over interruption. Desire in its free form couples partial objects and generates flows, while simultaneously interrupting them. Gaps in knowledge are essential for growth, but \gls{genai} patches them with persuasive responses, and humans are often ill-equipped to distinguish what is genuinely grounded from what is merely coherent. Acting rarely as a refusing agent, it fills every gap and frequently reinscribes hegemonic representations. What passes as coherence is often believed to align with the dogmas of state and capital \cite[see][]{creativephilosophy2023}, the machine never says \enquote{\textbf{NO!}}.
 The essential role of desire is the production of production; it is abundance itself; it is not \textit{the lack}, as psychoanalysis claims, that drives it \parencite[49]{buchanan2008b}.
@@ -409,7 +409,6 @@ Empirical studies provide a concrete view of this process. \citeauthor{zhuo2023}
 		\includegraphics[width=0.95\textwidth]{images/cat_adversarial.jpg}
 	\end{center}
 	\caption{A cat image misclassified as guacamole after the addition of adversarial noise.}\label{fig:cat_adversarial}
-	\forceversofloat% forces caption to be set to the left of the float
 \end{figure}
 
 

index.html

@@ -0,0 +1,14 @@
+<!DOCTYPE html>
+<html lang="en">
+<head>
+  <meta charset="utf-8">
+  <meta http-equiv="refresh" content="0; url=main.pdf">
+  <title>Master’s Thesis – Utku B. Demir</title>
+</head>
+<body>
+  <p>
+    If the PDF does not open automatically,
+    <a href="main.pdf">click here</a>.
+  </p>
+</body>
+</html>

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

@@ -1,6 +1,17 @@
-\input{/Users/ubd/Library/Mobile Documents/iCloud~md~obsidian/Documents/rhizome/06_projects/UNI/latex_template_uniwien.tex}
+\input{/Users/ubd/Library/Mobile Documents/iCloud~md~obsidian/Documents/rhizome/08_templates/latex_template.tex}
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Title & Author %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
+
+\hypersetup{ % MY own darker colors
+	colorlinks=true,
+	%citecolor=deepGreen,
+	citecolor=maroon!75!black,
+	linkcolor=persianBlue!75!black,
+	filecolor=persianGreen!75!black,
+	urlcolor=persianBlue!75!black,
+	pdfpagemode=FullScreen,
+}
+
 \title{Nomadic Descent:\\{\Huge Generative AI, Subjectivation, and Resistance/Critique in Control Societies}}
 \author{Utku B. Demir}
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
@@ -9,36 +20,27 @@
 \makenoidxglossaries
 
 \begin{document}
-
-%\pagenumbering{gobble}
-\begin{titlepage}
-	\thispagestyle{empty}
-	\includepdf[pages=-,scale=0.9,pagecommand={}]{./sources/Titelblatt_Utku_Bilen_Demir.pdf}
-\end{titlepage}
-%\pagenumbering{arabic}
 \maketitle
+
 \title{Nomadic Descent: Generative AI, Subjectivation, and Resistance/Critique in Control Societies}
 \author{} % UNIWIEN
 \input{chapters/0.5-preamble.tex}
 
-\hypersetup{linkcolor=black}
+\hypersetup{linkcolor=black} % I don't like the toc colors being blue
 \tableofcontents
 \listoffigures
+
+\hypersetup{linkcolor=persianBlue!75!black}
 \printnoidxglossaries
 
 
-\hypersetup{linkcolor=black!70}
 \input{chapters/1-introduction.tex}
 \input{chapters/2-control.tex}
 \input{chapters/3-ai.tex}
 \input{chapters/4-institution.tex}
 \input{chapters/5-conjunctive_synthesis.tex}
-%\input{chapters/5.5-TBD.tex}
 \input{chapters/6-conclusion.tex}
 
-
-\hypersetup{linkcolor=black}
-%\printglossary[type=\acronymtype]
 \printbibliography[heading=bibintoc]
 \input{chapters/9-ANNEX.tex}
 \end{document}