如果智能體之間無法溝通，人與人之間的背景、想法和目的差異這樣大，他們又是怎麼溝通的呢？答案就是我們高估了人與人之間實際的溝通數量。儘管我們看上去有這麼多重要的差異，但我們所做的事在很大程度上都是以共同的知識和經驗為基礎的。所以雖然我們不太能說出低層級的思維程序是如何運行的，但可以利用它們所共有的傳統。即使我們不能表達自己的意思，但常常可以引用各種各樣的例子來表明如何把一些結構聯結在一起，我們確信這些結構已經存在於聽眾的思維中了。簡而言之，我們常常可以說明哪類想法需要思考，儘管不能說出它們是如何運作的。
我們用來總結高級目標和計劃的詞彙和符號，與控制低級目標和計劃的信號並不相同。所以當我們的高級智能組想要去刺探它們所利用的次級機器的工作細節時，完全無法理解其中發生的事。這就是為什麼我們負責語言的智能組無法解釋我們騎車時如何保持平衡，也無法區分照片和真實的事物，或者從我們的記憶中提取信息。我們發現，在開始學說話之前，想用語言技能來談論思維中負責平衡、觀察和記憶的組件是特別困難的事。
「意思」本身就與尺寸和規模有關：只有在一個大到可以擁有許多意思的系統中，談論其中一種意思才講得通。對於那些較小的系統，這一概念就會顯得空洞而膚淺。舉例而言，「建設者」的智能體們不需要明白什麼意思就可以完成它們的工作，「？添加？」所要做的就是開啟「拿起」和「置放」。「拿起」和「置放」不需要去分辨那些開啟的信號是什麼意思，因為只要開啟，它們就做開啟應該做的事。一般而言，一個智能組越小，其他智能組就越難理解它這種微小的「語言」。
兩種語言越小，二者之間相互翻譯就越困難。這並不是因為存在很多意思，而是因為意思太少了。一個智能體做的事越少，其他智能體所做的事與之相似的可能性就越低。而如果兩個智能體之間沒有任何共同之處，翻譯也就無從建立。
在翻譯人類語言時有一個人們更熟悉的困難，那就是每個詞都有許多意思，主要的問題就是縮小意思的範圍，直到某種意思是兩種語言所共有的為止。但對無關的智能體之間的溝通而言，如果它們從一開始就沒有共同之處，那麼縮小範圍也沒什麼幫助。