"Expliquer l'évidence" est une étude de la cognition rationnelle liée aux impressions sensorielles et indépendante du langage. La conscience sans paroles est généralement considérée comme allant de soi, sans que l'on s'intéresse spécifiquement à la structure cognitive sous-jacente.

Wittgenstein, dans son "Tractatus logico-philosophicus", décrivant l'image comme un type cognitif accessible à partir du système linguistique et logique, a carrément nié que le sens puisse être autre que le sens linguistique. En revanche, le présent ouvrage met en évidence deux qualités des images visuelles, illustrant une différence profonde entre l'image et le langage en tant que système, tant du point de vue structurel que fonctionnel : Premièrement, lorsqu'on observe une image visuelle et qu'on lui donne un sens, on est le seul à prendre conscience du sens qui en résulte.

Il s'agit d'une question de cognition intérieure et non d'une communication. Deuxièmement, les images visuelles apparaissent comme une surface étalée, spatiale et simultanément multidimensionnelle, contrairement au langage qui est numérique et linéaire dans le temps.

Les manifestations artistiques, qu'il s'agisse d'art pictural ou de musique, naissent indépendamment du langage et doivent exprimer un sens au-delà des représentations verbales. .