许多常见词汇都意义模糊，就连最简单的句子也可以有好几种理解方式。
那个天文学家和明星结婚了。
这很有可能是一个电影明星，尽管听众可能也会感到片刻的混乱。问题在于“明星”这个词是和不同的多忆体联系在一起的，它可以是一个天体、一个著名演员，或者是一个特定形状的物体。出现短暂的混乱是因为“天文学家”这个词让我们一开始就偏向于天体意义上的“明星”。但产生了非人性的意义引起了我们“结婚”智能体的冲突，这很快就带出了另一个更协调的解释。当一个句子包含了两个或更多意义模糊的词语时，问题就更困难了。
John shot two buck.
“shot”这个词可以表示开枪，在美国俚语中也可以表示打赌。“buck”这个词可以表示一美元或者一头鹿。这些备选意思至少组成了四种解释。有两种不太可能，因为人们很少会向钱开枪或者用鹿打赌。但另外两个意思都有可能，因为很不幸，人们确实会用美元打赌，也确实会朝鹿射击。如果没有更多线索，我们就无法在这些解释之间进行选择。但如果前文给出了一点点线索暗示金钱或赌博，而不是打猎、森林或者户外生活，我们就会毫不怀疑地认为“buck”是美元的意思。
“背景”是如何澄清这种模糊意义的呢？户外的多忆体如果被激活，会略微倾向于唤醒鹿和枪而不是美元和打赌，于是“闭环”效应会很快放大这种偏好。其他如打猎和杀戮这类多忆体将会很快参与其中，并联合起来激活其他相关多忆体的识别器，比如森林和动物。很快，这将会产生许多互相支持的多忆体，建立起单一、协调的解释。
人们可能会害怕这反而会导致雪崩效应，唤醒思维中所有的智能体。如果各种可能的意义通过形成交互排斥的小组来互相竞争，那么这种情况就不太可能发生。于是，随着鹿和枪的多忆体获得了力量，它们会削弱和镇压那些与其竞争的多忆体，也就是关于金钱和赌注的多忆体，从而削弱支持另一种背景的那些多忆体。最后的效果几乎立即就会出现。经过几轮意义环的循环，与鹿和枪相关的智能体将会完全抑制住它们的竞争者。