或许有这样的反对意见：如果情况确实如此，那么一个稠密、彻底的形式化就不可能参与有效的AI程序。但是，这种说法是错误的。我已经论证过，弱的、一般的控制方法没有处理稠密、彻底的形式化的能力，显然，我们需要更强有力的控制方法。我曾经在别的文章中介绍过一种思想(Hayes 1973)—也可参看科瓦尔斯基(Kowalski 1977)、普拉特(Pratt 1977)、麦克德莫特(McDermott 1976)、戴维斯(Davis1976)的文章，这一思想指出怎样得到那种所需的能力：不把控制看作定义一个机制的问题，而认为它本身是一个表述问题。我们需要把如何进行推理的知识加以形式化，还要把那个使推理成为可能的有关现实世界的知识加以形式化。这种元信息可自行参与推理过程，但是，它又与演绎式解释程序有着不同的和特殊的关系：它对自己的活动作出描述，而不仅仅为了有利。在我看来，研制出表达这种元知识的形式体系和相伴的解释程序，是摆在AI面前的最重要的任务之一。但是—这正是当前争论的焦点，在它之中所表达的形式体系和元形式化的结构，都取决于在它之中所表达的那个世界的知识的形式体系和形式化的结构。我们不能在真空中发展元形式化(只要它们不是我们已有的那种弱的、一般启发法的形式化)；关于常识的形式化，我们必须首先得出一些与现实一样复杂的、其演绎特性将由元形式化来描述的例子。
- 为什么这是可行的
反对朴素物理学方案的另一种意见认为，这是一个无法实现的奢望，我们对形式化的了解不足以胜任如此大型的表述任务，要完成这一任务可能要用几世纪的时间，等等。对于这些反对意见，最终只有一个回答：进行尝试才会成功，而我在这里所能做的只是表明这种乐观态度的原因。共有四个：
人工智能哲学
216