回想一下可怜的 $\mathbf { R } _ { 1 } \mathbf { D } _ { 1 }$ ，并且为证论方便起见，假定它在测出它的所有行动的全部后果的概率方面有着完善的经验知识，所以它相信，执行拉出(小车，房间)会使小车车轮发出听得见的噪声的概率是().7864；通向房间的门向里开而不是向外开的概率是0.5；房间里没有活着的大象的概率是0.999996；车子移动时炸弹还留在车上的概率是().997。$\mathbf { R } _ { 1 } \mathbf { D } _ { 1 }$ 怎样才能最终从经验知识的大海里捞出那根意义攸关的针呢？一本活的百科全书由于它有关于悬崖和重力作用的全部知识会轻蔑地对待悬崖，除非它被设计得能在恰当的时候找到适当的知识，因而能够做出它与现实世界交往的计划。
最早的AI计划系统研究采用的是演绎方法。鲁宾逊创造的分解定理证明法，对设计者们是一个鼓舞，他们希望把系统具有的所有“关于世界的知识”明晰地表述为公理，并使用普通逻辑即谓词演算来推演行动的结果。设定某一情境S，就是使系统包含一组描述这一情境的公理而为其建立模型。再在其上增加背景公理(即所谓“框架公理”，框架问题因此而得名)，它们描述了为该系统定义的每一行动类型的一般条件和一般结果。该系统将行动施加于这组公理假定在情境S中有某个行动A出现然后推演出A在S中的结果，于是就得到关于结局的情境§的描述。虽然在我们的意识经验中，所有这些逻辑演绎好像根本不存在，可是演绎方法的研究得以进行是根据下面两个有力假定之一或两者兼有之：心理实在论是“纯”AI的无根据的额外添加，而不是它的目标一——方法论假定；所描述的演绎过程能以某种方式为意识途径之外的幕后过程建立模型存在性(即使仍是模糊的)假定。换句话说，或者我们在谓词演算中不用演绎方式进行思维，但机器人会用；或者我们在谓词演算中确实(无意识地)用演绎方式进行思维。然而，撇开对心理实在论的怀疑不说，除了一些人为造成的琐碎例子外，演绎方法还未曾表现得有效，有效一—这是对每一机器人优劣的实践证明。
人工智能哲学
170