在缺省逻辑中，会出现“你不可能认识”的问题，因为一个公式是否与一个理论相容一般是不可判定的。事实上，当所讨论的理论是一个包含缺省规则的理论时，甚至对短语“与理论相容”的含义作出准确定义都是很困难的。在推导出每件事情之前，你不可能辨别什么是无法推导的，所以我们转向了缺省理论的“稳定扩展”或“固定点”的思想。这样的固定点是一组公式，它在直觉上是“稳定信念集”，其特征由“非结论公式集”来确定，这样，（a)固定点上的每件事，经由缺省推导规则，都来自原有理论及非结论公式；(b)没有非结论公式随之而生。如果已知Clyde是鸟，那么(非(反常Clyde))就是一个非结论公式，因此(Clyde能飞)就是固定点的一个元素。除非(反常Clyde)也是可演绎的，这时(Clyde能飞)不在固定点上。遗憾的是，这些固定点和非结论公式集是无穷的，一般情况下，很难描述或找全它们。
划界法使用起来也有困难。所有各种已知的划界法共同具有的是达到结论的这一步骤：
·在原有理论上增加二阶公理
·猜测谓词常项，插入到公理中去
·化简
这正是我举例时采用的那种步骤。它的问题是，新增信息的数量往往与最终想要得出的结论相同。事实上，它考察的东西往往与那些结论相同，另外带有几个附加的入。
从原理上讲，划界法可以机械地使用，转动一下曲柄，所有的结论都出现了。但是在实践中，没有一个方法能够枚举出二阶公理的有用实例，所以划界法只用于一些不起眼的问题，这些问题要得出的结论是原本知道的。（在特殊情况下，可以证明，划界法和缺省逻辑都可以还原成可计算的算法，但是我们这里对这些特殊情况不感兴趣。)令人费解的是，无法判定的缺省逻辑提出了一个有某种实际效果的具体算法：为了确证p是相容的，尝试证明它的否定形式，并失败。在这一步骤中止时，它往往成为富有启发性的近似方法(Clark1978)。
人工智能哲学
236