與過去相比，我們現在能夠連結到多得多的事物。我們可以與遠方的人交談，查找世界各地的資訊，也可以尋找自己需要的商品和服務。藉助AI，我們甚至可以在短時間內蒐集與一個問題相關的想法和案例。看到這些變化，我們或許會覺得，能夠連結的事物越多，我們就越能理解世界。然而，這裡需要區分兩件事。能夠取得一則資訊，與理解這則資訊為什麼對自己的問題重要，並不是一回事。
假設有人正在考慮是否應該到一個新的地方生活。AI可以把這個問題與住房成本、交通、工作、教育、醫療、氣候、安全等大量資訊連結起來。在資訊稀缺的時代，僅這一點就會帶來很大幫助。但擁有了所有這些資訊，並不一定會讓決定自動變得清晰。同樣的資訊，其意義會隨著一個人更看重工作機會還是與家人的距離、如何看待成本與時間，以及多大程度上希望獲得陌生體驗而改變。當可能的連結增多之後，另一個問題就會出現：如何解讀這些關係。
這裡重要的是，世界並不是從一開始就帶著一張唯一且已經完成的「關係地圖」。即使是同一個事實，根據從什麼問題出發去看，它所連結的對象也會不同。某地降雨很多這一資訊，對於規劃旅行的人來說與衣著和交通有關；對於思考農業的人來說與作物和水資源管理有關；對於思考都市設計的人來說則與排水和防災有關。資訊本身沒有改變，但當問題改變時，有意義的連結也會改變。理解並不只是蒐集更多資訊，也包括掌握對於眼前的問題究竟需要檢視哪些關係。
AI或許能夠高速完成這種關係連結。與其讓人逐一查找資料，AI可以把一個問題分解為若干議題，並把每個議題連結到相關知識。如果只把AI看作回答裝置，那麼它的主要作用就會變成把這些連結的結果作為一個結論返回。但如果把AI看作支援連結的系統，另一種作用就會顯現出來：讓人能夠檢視「為什麼這些知識與這個問題有關？」「還有哪些議題尚未連結？」以及「如果換一個視角，哪些關係會變得重要？」之類的問題。
這種差異並不小。如果AI只展示它判斷為與某個問題最相關的資訊，我們就能高效地接近答案。但如果我們看不到這些資訊為什麼被選中，就可能把呈現在眼前的關係誤認為世界本身的結構。實際上，從不同的目的、不同的價值標準或不同的立場出發，其他資訊可能會變得重要。讓連結變得便利的技術越強大，我們就越需要不僅能問「連結了什麼？」，還要能追問「為什麼會這樣連結？」
這並不意味著人必須從頭核實每一個連結。如果必須這樣做，使用AI的大部分價值就會消失。對於日常且影響有限的問題，由AI整理相關資訊並沿著較短的路徑引導人走向答案，是有用的。但對於涉及重大價值判斷的問題，或者問題本身尚未確定的問題，如果只優先追求效率，重要的關係可能從一開始就變得不可見。我們需要的既不是展示一切，也不是只展示一個東西，而是能夠根據問題改變連結的呈現方式。
人看到已經建立的連結之後，也可能改變問題本身。一個人起初可能以為問題在於成本，卻在調查過程中意識到真正的問題是時間。原本看似個人選擇的事情，也可能被發現包含著與家庭或組織的關係。在這種情況下，AI所提供的幫助並不只是正確回答了最初的問題。透過讓新的關係變得可見，它使人能夠重新思考「自己原本應該問什麼」。理解不僅可能產生於收到答案的瞬間，也可能產生於問題與世界之間的關係被重新組織之時。
Sai＊aus所重視的理解，也與這種連結的更新有關。僅僅把人的問題連結到過去的資訊，並返回一個與過去相似的答案，並不能充分處理已經變化的情境或新近感受到的不一致。如果以問題為線索連結相關知識，由人比較並判斷這些關係，並從這種判斷中產生新的差異或問題，那麼這些內容就可以連結到下一輪理解。知識不必以一個完成的答案而封閉起來；它可以保留透過另一個問題再次獲得意義的可能性。
在這個循環中，人也不是被動的使用者。面對AI提出的連結，作出「這種關係對目前問題並不重要」「加入這個條件後，我的看法會改變」「這兩件事應該分開考慮」等判斷，會成為形成新理解的材料。AI提出連結，人檢視其意義，而這種判斷又改變下一次建立連結的方式。在這裡，效率並不只是意味著減少人的思考。到達一個人獨自難以發現的關係，並讓這個人能夠親自思考這種關係，同樣也是一種效率。
能夠連結的事物增多，會擴大理解的可能性。但連結數量本身並不能保證理解。重要的是，能夠從一個給定的問題出發，檢視什麼與什麼被連結起來，以及這種關係為什麼重要。而且在必要時，還必須能夠從另一個問題出發重新組織連結。網際網路把我們連結到許多人和資訊來源之後，AI也開始在問題與知識之間建立新的連結。此時真正的問題並不只是能夠連結多少，而是人能否透過這些連結更新自己看待世界的方式。
不是答案，而是理解。