Inutile de dire que ce n'est pas ainsi que fonctionne l'intelligence humaine. L'intelligence humaine est compositionnelle, ce qui signifie que vous pouvez comprendre le produit croisé de deux espaces sans être explicitement exposé à un échantillonnage dense de paires de données provenant de ces espaces. En lisant un livre, la plupart des gens peuvent visualiser ce qui se passe, peu importe à quel point le texte s'éloigne de la réalité quotidienne -- et ces personnes n'ont jamais été exposées à des milliards de paires texte:vidéo explicites. En fait, elles n'ont pratiquement été exposées à aucune de ces données.