Entre modèles du monde et mondes modèles : sur la généralité, l'agence et la mise en monde en apprentissage automatique

Résumé L’article propose un récit discursive sur ce que signifie la généralité dans la recherche en apprentissage automatique et comment elle se construit dans le développement de l’intelligence artificielle générale, du point de vue des études culturelles et des médias. Je discute plusieurs articles techniques qui décrivent des architectures nouvelles en apprentissage automatique et leur conception du « monde ». L’agence d’apprentissage et le curriculum d’apprentissage sont modulés par la mise en monde (au sens de la mise en place et du déploiement du monde pour des agents artificiels) en ingénierie de l’apprentissage automatique. Dans des articles récents en informatique, les grands modèles entraînés sur des ensembles de données à l’échelle d’Internet sont présentés comme des simulateurs généraux du monde — malgré leur partialité, historicité, nature finie et spécificité culturelle. J’introduis la notion de « mondes modèles » pour désigner des environnements interactifs composables conçus dans le but de l’apprentissage automatique qui participent à la légitimation de cette affirmation. Je discute de la manière dont les grands modèles sont ancrés par interaction dans les mondes modèles, arguant que les mondes modèles font médiation entre la simple ampleur des modèles linguistiques et leur capacité hypothétique à généraliser à de nouvelles tâches et domaines, répétant la logique empiriste du « big data ». En outre, je montre que la capacité émergente des agents artificiels à généraliser redessine la frontière épistémique entre agents artificiels et leurs environnements d’apprentissage. Par conséquent, les statistiques superficielles des modèles linguistiques et l’action abstraite prennent sens dans des mondes modèles distillés, donnant lieu à une agence synthétique.