När GLP-1-läkemedel visade sig vara effektiva för att dämpa aptiten, såg man folk prata om livsmedel som "naturligt ökar GLP-1." Men detta missar helt mekanismen. Terapeutiska doser av GLP-1-agonister verkar vid ungefär 6 000 gånger högsta endogena nivåer. GLP-1 är inte "aptithormonet." Det är en signal bland många som modulerar hunger. Koffein dämpar också aptiten genom dopaminerga och adrenerga vägar, men det betyder inte att koffein är aptithormonet. Det som gör farmakologiskt GLP-1 så kraftfullt är inte att det hittade rätt hävstvarm. Det är att den drog i en enda spak så hårt att den överväldigade alla andra. På liknande sätt är prediktiv tokengenerering förstås inte alls vad all intelligens bygger på, men vi vet att det är en av många faktorer. Men GLP-1 lärde oss något: om du förstärker en enda bidragande mekanism med flera storleksordningar kan den uppnå nästan total funktionell kontroll över det större system den deltar i. Du behöver inte replikera hela appetite-nätverket, du behöver bara skala en komponent långt utanför dess naturliga driftsområde. Så frågan blir: är prediktiv tokengenerering för intelligens vad GLP-1 är för aptit? En mekanism som, i sin naturliga skala, bara är en bidragsgivare men i 10 000 gånger skala blir funktionellt tillräcklig? Inte för att förutsägelse är intelligens, utan för att den vid tillräcklig magnitud efterliknar tillräckligt av vad underrättelser gör för att bli operativt omöjlig att skilja från den.