Resource Data

谷歌和其他商业提供商尤其过度推广图像的可用性，并且原则上允许免费使用图像。这一回收链的后果目前还无法预见。然而，出版商、机构和博物馆已经失去了这一领域的解释权和控制权，或者可能必须重新获得。[34]同时，这些图像库也为基于数据的研究提供了资源。

然而，这种加密机制就像反启蒙运动的动力一样，不仅涉及规范问题，还涉及一般的机器代理。算法常常成为这种批评的目标。设备、工具和应用程序通常不是焦点。凯瑟琳·帕西格 (Kathrin Passig) 处理代码无法解释的问题。[35]算法等的复杂性不是单个专家或团队能够理解的。因此，那些要求学生通过获得编程技能（例如在学术教育中）来更深入地理解这些过程的要求似 智利电报数据 乎是无助的。显然，目前科学对于透明度以及对其方法和工作实践的根本反思的要求已经达到了极限。现在有人可能会说，我们人文学者不了解我们最重要的工作工具——大脑。尽管如此，这个黑匣子也能长期成功运行。在我看来，到目前为止，关于人文学科如何与机器机构建立联系的讨论还太少。我们是否应该将它们融入人造物品的品质中，还是试图与它们保持或创造一种批判距离？第一种方法是注重结果和应用的，而第二种方法应该理解为一种反思性的方法。例如，他可以花更多时间研究计算过程；开发能够帮助我们更好地理解机器的机器和理论可能会有所帮助。