어떤 말을 듣고(입력) 말을 내뱉는(출력) 과정을 잘 하기 위해서는, 실제 인간이 하는 것과 유사한 사고방식이 필요하기 때문임.
단순히 다음에 올 말을 내뱉는 것에도, 겉으로는 간단해 보여도 실제로는 매우 복잡한 중간 사고과정이 필요함.
예를 하나 들자면, 단순히 "32+40*7=" 라는 텍스트 다음에 올 말을 내뱉기 위해서도, 수와 사칙연산의 메커니즘에 대한 이해가 반드시 밑바탕으로 깔려있어야됨.
그냥 맥락보고 단어 적당히 조합하는 정도로 해결되는 문제가 아님.

결론적으로, 인간들 사이의 대화나 채팅 등을 가장 잘 따라하도록 신경망을 최적화한다는건, 그 대화나 채팅이 나오게 만드는 인간 지능을 신경망이 근사하는 거라고도 볼 수 있음.
물론 인간은 그외에도 이미지 입력이나 운동 출력 등등이 있기 때문에 텍스트만으로는 모든 인간의 입출력을 표현할 수는 없지만, 그나마 가장 다루기 쉬운게 텍스트 데이터이기 때문에 현재로서는 가장 효과적인 방법이라고 봄.

다만 여기서 생각할 것은, 인간 지능을 근사한다고 해서 신경망 구조 자체가 인간의 뇌 구조랑 동일할 필요는 없음. 근사하는 것은 인간의 사고과정이지, 그것을 구현하는 뇌는 아님. 일단 임의의 연속함수는 신경망으로 근사할 수 있으므로(보편 근사 정리) 인간 지능 자체를 근사한다는게 아주 터무니없지는 않음. 다만 신경망이 충분히 복잡해야, 즉, 파라미터 수가 많아야 더 정확히 근사할 수 있음. gpt의 파라미터 수가 중요한 이유.