Es versteht sich von selbst, dass dies nicht der Art und Weise entspricht, wie menschliche Intelligenz funktioniert. Menschliche Intelligenz ist kompositorisch, was bedeutet, dass man das Kreuzprodukt von zwei Räumen verstehen kann, ohne explizit einer dichten Stichprobe von Datenpaaren aus diesen Räumen ausgesetzt zu sein. Beim Lesen eines Buches können sich die meisten Menschen visuell vorstellen, was passiert, egal wie weit der Text von der alltäglichen Realität entfernt ist – und diese Menschen waren nie Milliarden von expliziten Text:Video-Paaren ausgesetzt. Tatsächlich waren sie praktisch keinen solchen Daten ausgesetzt.