如果无视这一限制，最终得到的将是一些不太像样的机制，它们惟一的长处是，我们做不到的事情它们也做不到。依我看，产生式系统的特点正好与这种情况相符。即使按它们本身的说法，把它们看作机制，也还是有许多不尽如人意的地方。作为编程语言，它们设计得太差劲，难以使用，同时我也无法相信，人类大脑会在如此低等水平上用如此拙劣的实现方式担负起决策的任务。
供学生做问题求解使用的产生式系统和供视觉神经生理学家使用的富里埃分析，这两者之间也许可以作一类比。以图像的空间频率表述方式做简单操作，可以模拟不少有趣的视觉现象，它们看上去就像是由我们的视觉系统表现出来的。这些现象包括检测重复性、某些视错觉、离散的线性叠加信道的观念、整体形状与精细的局部细节的分离、大小不变性的简单表达。在图像分析中，空间频域之所以被忽略，是因为它对视觉的主要工作——根据密度分布形成“存在的是什么”的描述，实际上不起作用。这个过程有可能怎样完成，这种直觉是视觉生理学家们所缺乏的，而这一点又是如此重要。产生式系统展示出不少有价值的思想—取消直接的子程序调用、采用黑板交流渠道，以及某个短时记忆观念。但是正因为产生式系统表现出这些副作用(就像富里埃分析“表现”某些视错觉)，所以并不意味着它们与实际上正在进行的事情没有什么关系。例如，据我个人推测，短时记忆能像一个存储记录器一样起作用，这个事实在它的诸种功能中可能是最不重要的。我估计，有若干“智能本能反射”作用于短时记忆拥有的条目，对此我们还一无所知，而这些本能反射最终会被看作对它来说是至关重要的事情，因为它们起着主导作用，如为一个条目打开参照窗口。依我之见，从与产生系统有密切关系的角度来研究人类的表现是白费时间，因为这等于是在研究一个机制，而不是在研究一个问题，因而不可能导致1型结果。这种研究试图透彻了解的那些机制将会通过研究问题而被揭示出来，正如视觉研究不断进步是由于它攻克的是视觉问题，而不是视神经机制。
人工智能哲学
154