Volume 2025, Issue 262 - Special Issue: Aspects of AI semiotics: enunciation, agency, and creativity; Guest Editors: Maria Giulia Dondero, Juan Alonso Aldama and Massimo Leone

This article explores the intersection of generative artificial intelligence (AI) and human cognition through semiotics, proposing that generative AI offers a lens through which the essence of human being is revealed and through which semiotic enunciation and meaning can be radically reevaluated. Drawing on semiotic, philosophical, and neurodevelopmental frameworks, it argues that generative AI, as exemplified by language-endowed systems like ChatGPT and others, challenges traditional notions of meaning, subjectivity, and intelligence. By tracing the evolution of enunciation theories and their application to AI, the paper asserts that these machines reveal a machinic essence intrinsic to human beings – our reliance on external cognitive aids and hybridization with the environment that makes us “natural-born cyborgs.” Indeed AI, far from merely simulating intelligence, exposes the limits of human-centric models of meaning and the myths underlying our conceptualization of cognition and language.

Pouvons-nous appliquer les notions traditionnelles de vérité et d’erreur à la production artificielle d’énoncés? A partir d’une tripartition proposée par Umberto Eco, l’article s’interroge sur la pertinence contemporaine des critères de vérité utilisés pour évaluer les énoncés humains. Il s’agit de remarquer que les énoncés artificiels ne sont pas vrais ou faux comme ceux produits par les humains, ce qui remet en question notre conception du langage. L’article identifie la spécificité et les limites de la génération automatique de langage dans l’incapacité des machines de s’ancrer au réel par le biais de la perception. Il conclut en indiquant les potentialités de l’énonciation mécanique et nomme “humilité,” l’attitude, opposée au concept courant d’explicabilité, que l’on pourrait adopter vis-à-vis des intelligences artificielles.

Programming is a relevant semiotic activity, resulting in millions of lines of written code: the whole digital revolution is still rooted in writing as a semiotic activity. In relation to this, AI applications based on deep learning do not present particular features. They are standard computer programs relying on the von Neumann/Turing architecture. Yet there is an interesting epistemological difference. A distinction can be made between classical programming and machine learning. As the task for programming is always problem solving, in classical programming, the programmer has to input rules and data in order to gather answers in output. A machine learning approach requires a different epistemological wiring: the programmer inputs data and the required answers, while the software learns or discovers the rules. These two approaches to programming can be characterized from a semiotic perspective by referring to the couple “grammar” versus “text” and “allography” versus “autography.” A grammar defines a set of rules to be applied so that an output is generated that is formally consistent with the prescribed rules. Rather, a text acts as an example from which to infer regularities in order to generate a new text. This epistemological shift on the computation side is coupled with an analogous one on the user side. As data, that is – semiotically – texts, are the driving force, users have to focus on sets of examples in order to cope with the algorithms. The contribution discusses this shift by taking into account the relative changes in agency.

Résumé Cet article explore la complexité de l’interaction entre l’Intelligence Artificielle (IA) et les rationalités humaines, en mettant l’accent sur les défis des humanités numériques. À travers une étude exploratoire, on articule deux perspectives : d’une part, la critique de l’idée que l’IA pourrait imiter ou reproduire fidèlement les rationalités humaines, et d’autre part, l’examen des limites et des possibilités de l’intelligence artificielle en tant que système autonome. L’analyse s’appuie sur des interactions prolongées avec ChatGPT, visant à tester les capacités de l’IA dans des contextes pédagogiques et épistémiques. L’article propose une reconceptualisation des relations entre jeux, calculs et mondes possibles, en soulignant les implications pour des sémiosphères différentes (culturelle/artificielle) et les standards de rationalité. Finalement, l’article vise à problématiser les rôles potentiels de l’IA en tant que catalyseur d’énonciation, médiateur dans une cognition distribuée, et agent participant à une intelligence collective, tout en soulignant les limites intrinsèques des capacités réflexives et cognitives de l’IA.

This paper explores the relation between images and databases in a twofold way. The first part examines image databases as sources for image computational analysis , while the second part studies image databases as sources for image generation (notably through the generative artificial intelligence model Midjourney). Image analysis and image generation will be analyzed through the concept of enunciative praxis. Traditionally, enunciative praxis concerns cultural transformations over the long term (the relation between sedimentation and innovation); in our case it will be used notably to study the generation of new images through old, traditional ones.

Résumé Dans cet article, il s’agit de montrer que si la machine (co)crée, elle ne (co)énonce pas, si l’on entend par « énonciation » l’acte métadiscursif de définir les conditions de possibilité de la production d’un texte verbal ou visuel, la gestion des modalités qui conduisent des virtualités et potentialités au stade de la réalisation ainsi que l’évaluation du processus a posteriori . D’une part, nous attardant sur la génération texte-image par DALL•E 3, mais aussi analysant des glitches , nous cherchons à montrer que, grâce à l’indétermination inhérente au code, grâce à une dose d’aléatoire, voire grâce à une certaine « organicité » qui n’exclut pas le vague et le flou, la créativité n’est pas seulement humaine: au-delà de l’accident, la machine peut produire du nouveau en « faisant ce qu’elle a à faire ». D’autre part, en ce qui concerne la « (co)énonciation machinique », nous dégageons une séquence énonciative qui atteste la responsabilité de l’humain dans les phases initiale et finale, la phase médiane voyant se multiplier des instances machiniques sous-tendues par des forces anonymes et impersonnelles.

The aim of this article is, on the one hand, to take up and discuss some key categories and concepts in semiotics, in an attempt to analyze the mechanisms underlying current artificial intelligence (AI) models, with a focus on ChatGPT. Although many of these concepts are already being debated, they remain crucial in relation to semiotic and sociosemiotic categories. Concepts such as generativity, perception, textuality, and the effects of meaning, as well as the notion of language itself, require a new semiotic evaluation, including in relation to a cultural history of AI, and the metaphors associated with it. In addition, this article aims to propose more of a general observation and review of some theoretical problems and sociosemiotic issues related to the advent of AIs with some correlated examples, such as in the field of political communication and conflict.

Résumé Cet article aborde les intelligences artificielles génératives visuelles telles que Midjourney et DALL·E afin d’analyser leur fonctionnement sémiotique. Le point de départ est la définition de la discipline sémiotique proposée par Pierluigi Basso Fossali, décrivant celle-ci comme la science qui étudie la gestion sociale du sens, et qui s’articule en quatre sphères fondamentales : la perception, l’énonciation, la communication et la transmission. À partir de ce cadre théorique, l’objectif est de proposer et de décrire deux nouvelles configurations qui caractérisent le fonctionnent sémiotique des IA génératives visuelles : à travers une perception d’archives et grâce à des circuits de composition. Le concept de perception d’archives a pour objectif de décrire la manière particulière dont les IA voient, entendent et apprennent, celle-ci étant réalisée sur de grandes quantités de données et à travers une généalogie d’opérations reconfigurables sur les archives. Les circuits de composition, quant à eux, concernent le couplage entre la logique de la composition visuelle et de la prédication verbale : il s’agit du processus d’énonciation par débruitage visuel réalisé par les IA, guidé par les requêtes en langage naturel fournies par des opérateurs humains. À partir de trois critères élaborés en sémiotique – les catégories plastiques, l’énonciation visuelle, ainsi que la traduction intersémiotique entre textes verbaux et images – une série de tests seront proposés afin d’examiner les circuits de composition des modèles génératifs de Midjourney et de DALL·E. Les IA seront enfin définies en tant que machines co-énonçantes : des entités dépourvues d’intentionnalité et d’initiative, qui produisent pourtant des énoncés en collaboration avec un opérateur humain et sur la base d’archives de données hautement structurées et reconfigurables.