1988)提出一个思想，把语言看作一种知识传递的特殊手段，它含有一个加工过程，是由一个被称为意识规则解释程序的经典虚拟机完成的。但是语言指令的作用仍然以稍居第二等的性质存在着。有了语言，我们才能建立规则，例如在训练的初始阶段，这些规则对新手会有帮助(也见Smolensky1986：ii.251-2，文中把基本上相同的描绘用于前面讨论过的电路问题求解的例子)。然而，专家被描绘成使用了一个强有力的联结论网络，似乎只要有语言，就可以把他的见解的封装元件传递给他人。这可能大大低估了符号加工所作的贡献。这种加工也可以提供一种根据专家自己的在线推理而形成的元反射，以帮助专家理解和扩展他自己的技能。（一些有关假设见 Karmiloff-Smith 1987和 Dennett 1988a。)
采用次等方法造成的最有影响的后果，是使当前流行的关于心灵的“正确”认知结构的辩论大大地复杂化了（见Fodor and Pylyshyn1988)。因为如果采用一个次等模型，这些问题就没有惟一的答案。任何有关人类认知技能的圆满解释都需要用到两种模型，而经典形式不只是一种方便的近似。似乎物理世界原来在一些领域中是牛顿的，在另一些领域是量子的，而不是一致地可用量子来描述，仅仅在某些情况下看来像牛顿的。
总括起来说，次等模型甚至否认了经典语言能力模型对于在线加工的描述上的恰当性。但是它们承认经典理论对于附加资源系统的加工来说，既是描述性的，也是提示性的。这一附加资源系统保证了在给定领域中可称为人类典范推理能力的东西。在次等场合，语言能力模型是原来的模型(对某个加工策略的准确描述)，但是它不在原来的地方，因为它不描述日常在线加工的计算形式。
- 联结论解释的方法论
看来，联结论解释策略不能适合于纽厄尔和西蒙提出的模子。联结论者不能以纽厄尔和西蒙式的语言能力理论作为开始，然后简单地在层次-2算法模型中实现它。在我们看来，其原因是简单明了的。这种语言能力理论是由一组转变规则组成的，这些规则被限定用于数据结构的标准符号表述方式。在经典模型中，这些数据结构在机器中以显式方式表述(经典的函数构造恰恰就是使之为可能的那种构造)。于是机器就依照这些规则来操作它们(规则本身在任何这种数据结构中都不必以显式标示)。形成对照的是，在特殊的联结论模型中，并没有正好与经典符号数据结构相对应的东西。相反地，语境敏感的、切换的单元联合体对应的是单个的经典表述方式。这就是前面提到的维度切换。既然不存在对经典符号结构简洁的模拟，该系统就不能(即使是默认地)体现出正是在这些结构之上定义的关于转变规则的知识。所以经典语言能力理论不能充分地提示联结论层次-2的加工过程陈述。假如它具有提示作用，“联结论”系统就只不过相当于快速而果断地实现经典认知模型(见Fodor and Pylyshyn 1988)。
人工智能哲学
318