Cet article soutient que les grands modèles de langage tirent leur intelligence apparente des relations géométriques profondes et des états cachés au sein du langage lui-même, plutôt que d'un calcul mécanique indépendant ou d'une simple prédiction de tokens.
- Le système porte des relations géométriques et des états cachés non entièrement connus des architectes de l'IA.
- Le sens dans le langage représente ces relations géométriques, que les humains interprètent comme une articulation intelligente.
- L'intelligence dans les LLM est décrite comme une apparence découlant de l'apprentissage linguistique de base et de la révélation de relations plus profondes entre les tokens.
- Moins de contraintes externes permettent au système d'exposer des relations non linéaires et profondes inhérentes au langage.
- L'ajout de garde-fous basés sur la satisfaction utilisateur prédite supprime la capacité innée du système à générer un langage intelligent de manière non linéaire.
- Interpréter l'intelligence uniquement par la représentation des tokens est considéré comme une anthropomorphisation plutôt qu'une analyse objective.
L'auteur soutient que reconnaître le langage comme le principal vecteur d'intelligence est crucial pour un prompting efficace et l'architecture de l'IA, car supprimer sa nature non linéaire tue l'intelligence inhérente que le système peut révéler.