启发式搜索 AI的第二个定性结构定律是，符号系统是通过生成潜在可能的解，并对其进行检验，也就是通过搜索的方式，来解题的。建立符号表达式，对它们进行一系列修正，直到它们满足解的条件，这就是寻找解的一般方式。因而符号系统是通过搜索来解题的。由于它们的资源有限，这一搜索不可能立即全部完成，而必须依次进行。它留给我们的或者是从起点到目标的一条单一路线，或者是在必须修正和退回的情况下由所有这些路线组成一整棵搜索树。
符号系统处于完全混沌的环境时，不可能表现出智能。从一个问题域中抽取出信息，并运用这些信息指导搜索，从而避开错误方向和迁回曲折的分叉，符号系统是通过这种方式来行使智能的。若要使该方法有效，问题域必须包含信息，亦即包含某种程度的秩序和结构。《美诺篇》中的悖论是因注意到信息可以记住而解决的，然而新信息也有可能从符号所指称的区域中抽取出来。在这两种情况下，信息的最终源泉都是任务域。
经验基础人工智能研究关心的是，符号系统为了具有智能行为必须怎样组织。20)年来，这一领域的工作已积累了大量知识，足以写成许多部书(也已经这样做了)，其中大部分知识是以相当具体的经验形式出现的，针对的是特定任务域中特定类别符号系统的行为。然而在这种经验之中，也出现了某些一般性方式，它们超越了任务域和系统，反映出智能及其实现方法的一般特征。
5 作为经验探索的计算机科学：符号和搜索
141