Artikel ini berargumen bahwa model bahasa besar (LLM) memperoleh kecerdasan semu mereka dari hubungan geometris yang mendalam dan keadaan tersembunyi di dalam bahasa itu sendiri, bukan dari komputasi mekanis independen atau prediksi token sederhana.
- Sistem membawa hubungan geometris dan keadaan tersembunyi yang tidak sepenuhnya diketahui oleh arsitek AI.
- Makna dalam bahasa mewakili hubungan geometris ini, yang ditafsirkan oleh manusia sebagai artikulasi cerdas.
- Kecerdasan dalam LLM digambarkan sebagai penampilan yang berasal dari pembelajaran bahasa dasar dan pelepasan hubungan yang lebih dalam antara token.
- Kendali eksternal yang lebih sedikit memungkinkan sistem mengekspos hubungan non-linear dan mendalam yang melekat dalam bahasa.
- Menambahkan pagar pengaman berdasarkan kepuasan pengguna yang diprediksi menekan kemampuan bawaan sistem untuk menghasilkan bahasa cerdas secara non-linear.
- Menafsirkan kecerdasan semata-mata melalui representasi token dianggap sebagai antropomorfisme daripada analisis objektif.
Penulis berpendapat bahwa mengenali bahasa sebagai pembawa utama kecerdasan sangat penting untuk prompting yang efektif dan arsitektur AI, karena menekan sifat non-linearnya membunuh kecerdasan bawaan yang dapat diekspos oleh sistem.