前面已经把生成式AI放到"预测媒体"的框架里理解了。从这一块开始，久保田继续往历史深处逆行：他先讨论生成式AI和"数据集作为档案"的关系，然后追溯到1990年代的软件化与数据库艺术。他的核心论点是：生成式AI不是突然变异出现的，而是软件文化长期发展的延伸形态。
久保田从图像媒体的预测阶段继续推进：如果生成媒体不限于照片，也向绘画等领域发展，会怎样？他提到一位叫 Emanuele Arielli 的学者，把这种现象称为 Artificial Platonism（人工柏拉图主义）。
人工柏拉图主义的大意是：学习大量某位大师的作品，从中找出所谓"本质"（essence），然后基于这个本质生成新作。久保田举了一个著名项目作为例子：
"下一个伦勃朗"项目学习了大量伦勃朗的画作，试图找出"伦勃朗的精髓"，然后基于它生成一幅"新作"。当时这类说法被煞有介事地传播：只要数据够多，就能让大师"复活"并创作新作品。
久保田说，对此有各种看法。其中一种看法是：这其实是档案（archive）。
久保田区分了两种理解"档案"的方式：
尽可能收集某位作家的全部作品。收集即结束，档案的价值在于保存和拥有原作。
把收集的作品经过机器学习，将其特征量数据化。这个数据集就是档案。它不仅能保存，还能生成——从这个档案中可以产出各种作品。
传统档案收集的东西，每一件都带有某种"光晕"（aura），有本真之物，所以值得收集。但数据集档案更看重的是概率多数性，而非光晕。这是一种价值判断的转变。
久保田进一步解释：所谓"学习"，实际上是输入的图像被送入一次 Latent Space（潜在空间），在那里被压缩，然后再扩张出来。
他提醒听众回想 Transformer Explorer 里那个时窄时宽的部分——那其实就是信息压缩与扩张的可视化。这种信息的压缩与扩张，正是这项技术极其重要的核心。如何压缩、如何扩张，其算法和架构至关重要。
他认为可以归纳出这样一条重要的技术脉络：生成式AI的底层逻辑，是把大量信息压缩进一个潜在空间，然后再根据需求扩张成具体输出。理解这一点，是理解后面历史脉络的关键。
再往前追溯，久保田强调一个非常重要的事实：生成式AI能做的，只是计算机能做的。因此，生成式AI技术不是突然变异出现的，而是我们使用软件做各种事情这一文化脉络的延伸。他认为这大概始于 1990 年代。
在此之前，久保田提到一个历史节点：1980 年代，多摩美术大学曾高调宣布自己是首个引入 CG、计算机的美术大学。这意味着什么？
在媒体史中，从物质性、记录媒体、照片时代，开始尝试用软件进行美术教育。比如 Photoshop 等图像处理软件出现，或者各种声音也能用 MIDI 数据来创作音乐。久保田说，这些问题其实正是如今生成式AI所承担的全部问题。我们无法逃避这个土壤。换言之，不可能脱离这个土壤来思考问题，我们只能在这些软件的能力范围内思考能做什么。
久保田再次提到马诺维奇，他为此写了一本书叫 Software Takes Command。重要的是这个书名——它致敬了 Giedion 的名著 Mechanization Takes Command（《机械化支配一切》），那是 20 世纪非常重要的文化史著作。
20 世纪是机械化时代，机器进入生产现场时如何改变了人类文化？马诺维奇的问题则是：现在我用笔记本电脑、计算机、互联网、智能手机，文化会如何改变？应将此作为一环来思考。
实际上，90 年代发生的是创作的软件化。久保田举了一个很具体的例子：
以前画画时，人们用颜料、素材来讨论创作。但软件化之后，创作的语言变成了："把饱和度提高 5% 会怎样？""给 3 像素高斯模糊会怎样？"——用这样的对话来讨论创作。这是巨大的变化。
所以，现在生成式AI做的事，当时叫 数据库艺术（Database Art）。互联网本来就是一个巨大的数据库、档案，基于此进行创作是计算机时代极具象征性的媒体形式，而现在其发展形态就是生成式AI。
当时所做的，其实是意义的解体。久保田说，20 世纪的意义解体是艺术的一大运动。在 20 世纪现代主义的影响下，数字时代到来时，发生的是意义的表彰与解体。
他举了一个具体例子：多摩美术大学的网页有一个叫 Shredder 的著名网站，作者是 Mike Napear。这个网站以各种方式解构浏览器中的原始数据——浏览器通常正确显示数据，但它能做的不止这些。Shredder 把元数据解体、拆散、再重构。久保田说，这个网站至今仍在运行，输入 URL 后就会这样分解。多摩美的 URL 就被这样当作数据库艺术来展示。
当时还有所谓的 Net Art（网络艺术）——在网页上写小说、故事，或者 Soft Cinema、Database Cinema 等说法。这些都发生了。
当然当时正如刚才所说，还没有迎合人类喜好、读取语境解决问题的技术，所以首先就是把东西拆散再重构。但其基本原理其实并未改变太多。技术 refined（精炼）后，能做出美丽的东西，数据库对象变广，量的扩张是有的，但本质未变——这是 1998 年的事。
当时 MIT 建筑系的 William J. Mitchell 说，数字媒体的特征是分解与再重构。马诺维奇在《新媒体的语言》开头也提出了新媒体的原理：
久保田说，这些正是当今生成式AI的一个源流。
久保田最后提出了一个方法论提示：生成式AI的"生成"其实是个陷阱。被"生成"迷惑，就会变成"是不是创作了什么东西"的问题。但如果不叫生成式AI而叫预测式AI，看起来会怎样？
或者更原始地说，就是"选择与操作"。用"选择与操作"来看，也许能不落俗套地思考问题。这对任何问题都很重要。
他的意思是：当我们把生成式AI理解为"选择数据、操作数据"时，关于作者性、创造性、艺术价值的讨论就会呈现出不同的面貌。这不是在贬低技术，而是在避免被"生成"这个词隐含的人类中心主义假设绑架。