与过去相比，我们现在能够连接到多得多的事物。我们可以与远方的人交谈，查找世界各地的信息，也可以寻找自己需要的商品和服务。借助AI，我们甚至可以在短时间内收集与一个问题相关的想法和案例。看到这些变化，我们或许会觉得，能够连接的事物越多，我们就越能理解世界。然而，这里需要区分两件事。能够获取一条信息，与理解这条信息为什么对自己的问题重要，并不是一回事。
假设有人正在考虑是否应该到一个新的地方生活。AI可以把这个问题与住房成本、交通、工作、教育、医疗、气候、安全等大量信息连接起来。在信息稀缺的时代，仅这一点就会带来很大帮助。但拥有了所有这些信息，并不一定会让决定自动变得清晰。同样的信息，其意义会随着一个人更看重工作机会还是与家人的距离、如何看待成本与时间，以及多大程度上希望获得陌生体验而改变。当可能的连接增多之后，另一个问题就会出现：如何解读这些关系。
这里重要的是，世界并不是从一开始就带着一张唯一且已经完成的“关系地图”。即使是同一个事实，根据从什么问题出发去看，它所连接的对象也会不同。某地降雨很多这一信息，对于计划旅行的人来说与衣着和交通有关；对于思考农业的人来说与作物和水资源管理有关；对于思考城市设计的人来说则与排水和防灾有关。信息本身没有改变，但当问题改变时，有意义的连接也会改变。理解并不只是收集更多信息，也包括把握对于眼前的问题究竟需要考察哪些关系。
AI或许能够高速完成这种关系连接。与其让人逐一查找资料，AI可以把一个问题分解为若干议题，并把每个议题连接到相关知识。如果只把AI看作回答装置，那么它的主要作用就会变成把这些连接的结果作为一个结论返回。但如果把AI看作支持连接的系统，另一种作用就会显现出来：让人能够审视“为什么这些知识与这个问题有关？”“还有哪些议题尚未连接？”以及“如果换一个视角，哪些关系会变得重要？”之类的问题。
这种差异并不小。如果AI只展示它判断为与某个问题最相关的信息，我们就能高效地接近答案。但如果我们看不到这些信息为什么被选中，就可能把呈现在眼前的关系误认为世界本身的结构。实际上，从不同的目的、不同的价值标准或不同的立场出发，其他信息可能会变得重要。让连接变得便利的技术越强大，我们就越需要不仅能问“连接了什么？”，还要能追问“为什么会这样连接？”
这并不意味着人必须从头核实每一个连接。如果必须这样做，使用AI的大部分价值就会消失。对于日常且影响有限的问题，由AI整理相关信息并沿着较短的路径引导人走向答案，是有用的。但对于涉及重大价值判断的问题，或者问题本身尚未确定的问题，如果只优先追求效率，重要的关系可能从一开始就变得不可见。我们需要的既不是展示一切，也不是只展示一个东西，而是能够根据问题改变连接的呈现方式。
人看到已经建立的连接之后，也可能改变问题本身。一个人起初可能以为问题在于成本，却在调查过程中意识到真正的问题是时间。原本看似个人选择的事情，也可能被发现包含着与家庭或组织的关系。在这种情况下，AI所提供的帮助并不只是正确回答了最初的问题。通过让新的关系变得可见，它使人能够重新思考“自己原本应该问什么”。理解不仅可能产生于收到答案的瞬间，也可能产生于问题与世界之间的关系被重新组织之时。
Sai＊aus所重视的理解，也与这种连接的更新有关。仅仅把人的问题连接到过去的信息，并返回一个与过去相似的答案，并不能充分处理已经变化的情境或新近感受到的不一致。如果以问题为线索连接相关知识，由人比较并判断这些关系，并从这种判断中产生新的差异或问题，那么这些内容就可以连接到下一轮理解。知识不必以一个完成的答案而封闭起来；它可以保留通过另一个问题再次获得意义的可能性。
在这个循环中，人也不是被动的使用者。面对AI提出的连接，作出“这种关系对当前问题并不重要”“加入这个条件后，我的看法会改变”“这两件事应该分开考虑”等判断，会成为形成新理解的材料。AI提出连接，人审视其意义，而这种判断又改变下一次建立连接的方式。在这里，效率并不只是意味着减少人的思考。到达一个人独自难以发现的关系，并让这个人能够亲自思考这种关系，同样也是一种效率。
能够连接的事物增多，会扩大理解的可能性。但连接数量本身并不能保证理解。重要的是，能够从一个给定的问题出发，审视什么与什么被连接起来，以及这种关系为什么重要。而且在必要时，还必须能够从另一个问题出发重新组织连接。互联网把我们连接到许多人和信息来源之后，AI也开始在问题与知识之间建立新的连接。此时真正的问题并不只是能够连接多少，而是人能否通过这些连接更新自己看待世界的方式。
不是答案，而是理解。