考虑将这两种方法结合起来还为时过早，因为到目前为止，没有一种方法已经作出了足够的成绩，使它具有坚实的基础。神经网络建模也许只是获得了一个应得的失败机遇，就像符号方法经历过的那样。
当然，我们不应忘记每个研究纲领的奋斗目标有着重大差别。物理符号系统方法之所以会失败，看来是因为关于每一领域都必定有一个理论的假定完全是错误的。然而神经网络建模并不受这一假定或任何别的哲学假定的约束。不过，建立一个与人类大脑进化而成的网络充分相像的相互作用网络，也许过于困难了。的确，十五年来常识知识问题已经成为符号表述技术进步的障碍，但是它也许在昭示着神经网络的来临，尽管研究者们也许并未意识到这一点。所有神经网络建模者都认为，一个网络要具有智能，它必须具备概括能力，就是说，如果充分给出一些与一个特殊输出相联系的输入的例子，它就应当把更多同样类型的输入与同样的输出联系起来。然而这就出现了一个问题：什么算作相同类型呢？对于进行合理概括所需要的类型，网络设计者的思想中有一个专门的定义，如果这个网络对这一类型的其他例子作出了概括，就认为它是成功的。但是当这个网络产生了一个意外的联想系时，我们能说它没有作出概括吗？我们同样有理由说，这个网络一直都在按照当前类型的不同定义进行活动，并且这种不同刚刚被揭示了出来。（在作智能试验时发现的“将这一序列继续下去”的问题，实际上都具有不止一种可能的答案，但是大多数人都意识到什么是简单和合理的，因而是可接受的。）
13 造就心灵还是建立大脑模型：人工智能的分歧点
[1] 最近一个很有影响的关于知觉的说明否定了对心理表述的需要，见吉布森(Gib-son1979)。吉布森和罗森布拉特1955年为美国空军合作了一篇研究论文，见吉布森、奥卢姆和罗森布拉特(Gibson，Olum and Rosenblatt 1955)。
357