信息的非局部用法首先，已有好几位研究者注意到，在树搜索过程中收集的信息通常仅仅以局部方式使用，这样有助于在生成这一信息的特定节点上作决策。关于国际象棋阵势的信息，如果是由对后持续的次级树的动态分析获得的，通常只用于该阵势的评价，而不用于评价别的可能含有许多相同特点的阵势。所以一些完全相同的事实不得不在这一搜索树的不同节点上重复去发现。简单地把信息从它出现的语境中抽取出来，作为一般形式来使用，并不能解决这一问题，因为该信息也可能只在一个有限的语境范围中有效。近年来，在把信息从它的原始语境传递到其他恰当语境这方面，已做了一些开拓性的工作。尽管评价这一思想的力度，甚或确切说明如何实现它，还为时过早，这一思想的前景却不可小看。伯利纳(Berliner1975)所沿袭的重要研究路线，就是使用因果分析确定出一条特殊信息的有效范围。这样，如果可以从一个国际象棋阵势的破绽追溯到造成它的那一走法，那么可以预料，同样的走法也会在别的阵势中留下同样的破绽。
HEARSAY口语理解系统采用了另一种使信息在全局有效的方法。该系统寻求的是通过在多个不同层次上实行并行搜索来识别语音串，这些层次有：音位的、词汇的、句法的和语义的。每个这样的搜索都提出一些假设，并对其作出评价，这时它把它获得的信息提供给一块公共的“黑板”，所有资源都可以阅读这块黑板。例如，这一共享的信息可以用来消去假设，甚至是整个类别的假设，否则的话，这些假设还得由一个过程来搜索。这样，就增加了我们非局部地使用树搜索信息的能力，也为提高问题求解系统的智能提供了保证。
语义识别系统 第二种提高智能的有效方式是向符号系统就其所涉及的任务域提供大量语义信息。例如，对国际象棋大师技巧所作的经验研究表明，大师的技巧主要来源于所存储的信息，这些信息有的能使他识别出棋盘上大量的特定特点和特点的模式，有的利用这种识别，提出与所识别特点相适合的行动。当然，国际象棋程序几乎从一开始就吸收了这种一般性思想。新的东西则是在数量上对这种模式的了解，以及了解可能是大师级表演所必须存储的那些联想信息，这种信息大约有5万个。
人工智能哲学
138