时，其他人吊在船外。
现在你看到了，他虽然是个笨伯，但却是一个有创造性的笨伯。要让他正确认识这一个难题的实质，你完全失望了，于是把解答告诉他。更让你气恼的是，他以船可能会漏或没有桨为理由，对你的解答提出反诘。当你纠正了该问题陈述中的这一省略之后，他又提出可能有一个水怪游出河面，把小船吞下去。你再次受挫，于是去寻找一个能一劳永逸地使他哑口无言的推理方式(McCarthy 1980:29—30)。
正常的智能人在这种情境中所做的事，是进行某种形式的非单调推理。在经典的、单调的逻辑系统中增加前提时，决不会因这些前提而减少所能证明的内容。正如明斯基所指出的，公理基本上是容许性的，而一日一个定理被容许，增加更多的公理决不会使先前定理的证据无效。但是当我们考虑一个难题或实际生活中的问题时，我们可能会得到一个解答(甚至证明它是一个解答，而且是该问题的惟一解答)，然后发现由于在提出该问题时增加了一个新因素，我们的解答变得无效了，例如：“我忘了告诉你，那里没有桨”，或是“顺便说一句，在上游有一个很结实的桥”。
这种事后增补使我们看到，与我们的假定相反，其他事项并不是同等重要的。我们一直是在借助其余情况相同的假定进行推理，现在发现了某个“反常”事物的存在，我们的推理则因此而遭到损害。（顺便提及，这里所说的反常性，比起任何人根据概率论苦苦得出的任何东西要微妙得多。正如麦卡锡指出的，“涉及带有假定特性的食人者的整个情境，不能被看作是具有概率的，所以一旦给出该假定，很难认真对待桥的条件概率。”)(出处同上)
存在于一些推理之中的其余情况相同条款有其优点，即人们不必确切地说出它指的是什么。“你说‘其他事项等同’，这是什么意思？确切地说，何种其他事项的何种格局被看作等同的？”如果必须回答这样的问题，援引其余情况相同条款是毫无意义的，因为人们正是为了回避这一任务才使用它的。如果能够回答这个问题，就不需要在一开始援引这一条款了。因而考察框架问题的方法之一，正是尝试让计算机利用这种具有人类特点的心理操作方式。AI中当前正在研究的非单调推理方法有好几种，它们的差别很大，只有这个目标是共同的：获得人类的才智，去忽略该忽略的，同时在重大的反常情况出现时保持警觉。
人工智能哲学
174