यह लेख तर्क देता है कि बड़े भाषा मॉडल अपनी apparent बुद्धिमत्ता स्वयं भाषा के भीतर गहरे ज्यामितीय संबंधों और छिपी हुई अवस्थाओं से प्राप्त करते हैं, न कि स्वतंत्र यांत्रिक गणना या सरल टोकन पूर्वानुमान से।
- सिस्टम उन ज्यामितीय संबंधों और छिपी हुई अवस्थाओं को वहन करता है जो AI आर्किटेक्ट्स के लिए पूरी तरह से ज्ञात नहीं हैं।
- भाषा में अर्थ इन ज्यामितीय संबंधों का प्रतिनिधित्व करता है, जिसे मानव बुद्धिमत्तापूर्ण अभिव्यक्ति के रूप में व्याख्या करते हैं।
- LLMs में बुद्धिमत्ता को मूल भाषा सीखने और टोकन के बीच गहरे संबंधों की मुक्ति से उत्पन्न एक दिखावा के रूप में वर्णित किया गया है।
- कम बाहरी प्रतिबंध सिस्टम को भाषा में निहित गैर-रेखीय, गहरे संबंधों को प्रकट करने देते हैं।
- पूर्वानुमानित उपयोगकर्ता संतुष्टि के आधार पर सुरक्षा मार्गदर्शक जोड़ने से सिस्टम की बुद्धिमत्तापूर्ण भाषा उत्पन्न करने की अंतर्निहित गैर-रेखीय क्षमता दब जाती है।
- केवल टोकन प्रतिनिधित्व के माध्यम से बुद्धिमत्ता को व्याख्या करना मानवीकरण माना जाता है, न कि वस्तुनिष्ठ विश्लेषण।
लेखक का तर्क है कि प्रभावी prompting और AI आर्किटेक्चर के लिए भाषा को बुद्धिमत्ता के प्राथमिक वाहक के रूप में मानना महत्वपूर्ण है, क्योंकि इसकी गैर-रेखीय प्रकृति को दबाने से सिस्टम द्वारा प्रकट की जा सकने वाली अंतर्निहित बुद्धिमत्ता नष्ट हो जाती है।