当这些令人为难的意外情况发生时，系统设计者可以用增加条款的方法改进设计，以应付这些特殊情况。重要的是应看到，在这些情况下，系统并不重新设计自己(或学习)，而是必须等待外部设计者选择改进的设计方案。这一重新设计的过程从某种意义上说是对自然选择过程的简要描述，它倾向于作出最低限度的、零星的专门的重新设计，有点像在未来事件可能存在的模式上下赌注。所以从某种意义上说，它是符合生物学主题的。1]然而，这种系统在具备从自己错误中学习、而不用设计者干预的重要能力之前，它将继续以昆虫的方式作出响应，以这种行为方式作为人类日常生活中的反应模型，是远不切合实际的。依赖定型套路所提供的捷径和取巧方法，在人类思维方式中是够明显的，但是同样明显的是，我们具有更深层的理解，可以在捷径无效时退回，所以，将某种程度的这一更深层的理解植入系统中，看来是使该系统快速和得体地学习的必要条件。
实际上，脚本或框架方法是预先解决特殊执行者有可能遇到的框架问题的一种尝试。虽然昆虫看来的确装备了这种控制系统，可是人却不同，即使他们的确表现出对定型套路的依赖，却仍有做替补的思维系统，能以更强有力的方式处理所出现的问题。再者，人在利用定型套路时，依靠的至少是自己设计的定型套路，并且时至今日，还没有人能够提供什么切实可行的思想来说明，以前的经验会怎样指导一个人的框架生成或脚本编写机制。
近年来，从演绎传统中产生出若干个不同的精心策划的尝试，为更深层的理解提供了表述框架。D·麦克德莫特和J·多伊尔创造了“非单调逻辑”(McDermott and Doyle 1980)，R·赖特提出“缺省推理逻辑”（Reiter1980)，而J·麦卡锡发展形成了“划界”系统，这是一个形式化的“猜想规则，人或程序可使用它来‘直达结论’”（McCarthy
人工智能哲学
[1]然而从一个重要的方面来看，它与自然选择过程有着显著的不同，因为该过程的试错和选择决非是盲目的。但是也会出现这种情况：在重新设计的过程中，缺乏耐心的研究者只不过是靠着先见之明的于预，来缩短时间而已。
176