Resumo Este artigo analisa sistemas de inteligência artificial como agentes temporalizadores em uma história mais do que humana. Engaja-se em uma discussão interdisciplinar abrangendo a sociologia dos algoritmos, a ética informacional e a filosofia da mente para, com base na teoria da história, avaliar como a onipresença da automação adiciona novas dimensões ao estudo da condição histórica contemporânea. O argumento diz que a temporalização artificial se origina da simulação da linguagem natural por meio de algoritmos de aprendizado. O artigo esclarece isso através de uma descrição em código e uma demonstração em imagem técnica, ilustrando a 'renderização' ou 'digitalização' de experiências humanas em padrões de dados, posteriormente replicados ou atualizados por agentes artificiais. Esse processo destaca a vetorização e manipulação estatística da experiência e representa o que denomino "computação necessária". Em contraste, o texto sugere que uma "computação contingente", capaz de produzir algo novo, transcende o mero discurso técnico. Assim, enfatiza-se o papel da ética e transparência na gestão de dados e no treinamento de sistemas de IA, cruciais para compreender a Inteligência Artificial como um campo histórico aberto a formas cognitivas potencialmente não-humanas. humana Engajase Engaja contemporânea aprendizado técnica renderização 'renderização digitalização 'digitalização artificiais computação necessária. necessária . necessária" contraste contingente, contingente , contingente" novo técnico Assim enfatizase enfatiza IA nãohumanas. nãohumanas não humanas. não-humanas
Abstract This article examines artificial intelligence systems as temporalizing agents in a more-than-human history. It engages in an interdisciplinary discussion across the sociology of algorithms, informational ethics, and philosophy of mind, informed by historical theory, to assess how automation's ubiquity adds new dimensions to the study of the contemporary historical condition. The central argument is that artificial temporalization stems from natural language simulation via learning algorithms. The article clarifies this through a code description and a technical image demonstration, illustrating the 'rendering' or 'digitization' of human experiences into data patterns, further replicated or updated by artificial agents. This process highlights the vectorization of human experience and stands for what I term 'necessary computation'. In contrast, the piece also argues that 'contingent computation', capable of novel outputs, transcends mere technical discourse. It emphasizes the role of ethics and transparency in data management and AI system training, crucial for comprehending Artificial Intelligence as a historical field open to diverse, potentially non-human, cognitive form. morethanhuman more than history algorithms mind theory automations automation s condition demonstration rendering 'rendering digitization 'digitization patterns necessary computation. computation . computation' contrast contingent computation, , outputs discourse training diverse nonhuman, nonhuman non human, non-human form