一些计算主义者认为，玛尔关于科学解释的提法过于苛刻了。它忽视了对一套结构可行性进行阐释所起的解释作用，在这些可行性之中，自然现象必然存在，并且可以通过这些可行性系统地将这些现象加以比较(Sloman1978)。而且，即使在1型分析有效的情况下(如低级视觉或语法分析)，它同生物系统甚至人工系统的相关性也是有限的。进化过程在信手涂鸦中生成智能时，采用的不是设计角度，而是用现成材料“修修补补”。在有机体中可以看到许多精巧的工程作品，但并不奇怪，在计算机程序中也有与之不相上下的“拼拼凑凑”的非系统的方法(Clark1987b)。实时限制表明(也得到实验证据的肯定)，即使视觉和语法分析有时也得益于权宜的处理方法，这种方法不能从1型方式中得到系统阐释，但是在缺乏详尽2型解释的情况下，它所起的作用是显而易见的。
有一种智能类型，关于它的1型计算的任务分析是否可能，引起了热烈的争论，这就是常识推理。AI中有一个使用广泛的假定；作为我们常识基础的思维是可以形式化的，或许甚至是可以演绎的。但是批评意见普遍认为，即使逻辑和(某些)科学推理能够通过规则模型化，日常思维却不行。以我们关于物理世界的默认的知识为例，它们是通过感觉运动的学习而获得的，与抽象的物理学原理毫无关系。根据这种观点，既然这种非语言化的知识不仅渗透到我们的运动行为中，而且渗透到我们的语言使用中，所以图灵设想的那种范围广阔的计算机式的对话是不可能的。
第7章介绍了这一争论的概况(对AI研究者所谓“框架问题”的介绍），第8.9章则对此作了详细讨论。对框架问题的认识源自机器人制定计划的语境，此外，该问题也出现在对语言理解和有关社会文化问题的常识性思维的AI研究中。该问题关系到对现实(物理的或社会的)
导 言
11