হ্যাকার নিউজের আর্টিকেল "কৃত্রিম নিউরাল নেটওয়ার্কের উদ্ভূত প্রতীকী কাঠামো" অন্বেষণ করে যে আধুনিক AI সিস্টেমগুলি কীভাবে স্ট্রাকচার্ড সিম্বলের পরিবর্তে কন্টিনিউয়াস ভেক্টরভিত্তিক হলেও ভাষা, লজিক এবং অ্যারিথমেটিকের মতো প্রতীকী ডোমেইনে দক্ষতা প্রদর্শন করে। গবেষণা প্রস্তাব করে যে নিউরাল নেটওয়ার্কগুলি অন্তর্নিহিতভাবে তাদের অভ্যন্তরে প্রতীকী কাঠামো উপস্থাপন করে, যদিও তাদের ভেক্টর-ভিত্তিক ডিজাইন ভাষাগত বা যৌক্তিক রূপ ধরতে অক্ষম মনে হয়। নিউরাল নেটওয়ার্কের উপস্থাপনাগুলিকে ক্লোজড-ফর্ম প্রতীকী সমীকরণের সাথে অনুমান করে, গবেষকরা দেখায় যে আচরণটি বড় মাত্রায় অপরিবর্তিত থাকে, যা সতহের নিচে প্রতীকী কাঠামোর অস্তিত্ব প্রমাণ করে। এটি ছোট লিস্ট-ম্যানিপুলেশন নেটওয়ার্ক এবং বড় ভাষা মডেল (LLM)-এ যাচাই করা হয়েছে, যেগুলি অ্যারিথমেটিক, লজিক, কোড এবং ভাষা টাস্কে পরীক্ষা করা হয়েছে। প্রতীকী অনুমানটি অভ্যন্তরীণ উপস্থাপনাগুলিতে সুনির্দিষ্ট হস্তক্ষেপের মাধ্যমে লক্ষ্যভিত্তিক আচরণ পরিবর্তনও সক্ষম করে, যা প্রদর্শন করে যে LLM আউটপুটগুলি এই লুকানো প্রতীকী ফ্রেমওয়ার্কের উপর নির্ভরশীল। এটি প্রাচীন প্রতীকী AI তত্ত্বকে সমসাময়িক ভেক্টর-ভিত্তিক সিস্টেমের সাথে সংযুক্ত করে, যা ইঙ্গিত দেয় যে বুদ্ধিমত্তা উভয় পদ্ধতির পারস্পরিক ক্রিয়াপ্রতিক্রিয়ায় থেকে উদ্ভূত হতে পারে, একক এক্সক্লুসিভ প্যারাডাইমের প্রয়োজন না হয়ে।