神经网络建模者试图避免这种歧义，而使网络产生“合理的”概括，方法是只考虑一族事先规定为许可的概括，即可以算作可接受概括(前提空间)的许可变换。于是这些建模者们试图为他们的网络设计一种构造体系，使这些网络只用它们存在于前提空间中的方式将输入变换为输出。这样，概括就只能按照设计者的条款进行。要惟一地确认前提空间中的恰当成员，少数几个例子是不够的，然而有了足够的例子之后，就可以用仅有的一个前提说明所有的例子。于是，网络就将学会恰当的概括原理。也就是说，以后的所有输入都将产生出那种在设计者看来是恰当输出的东西。
这里有一个问题，根据这种网络的构造体系，设计者们已经规定了某些可能的概括是决不会被发现的。对玩具问题来说，这一切都无所谓，因为在这些问题中，不存在由什么构成一个合理概括的问题，但是在现实世界的情境中，人类智能基本上在于对语境以恰当方式进行概括。如果设计者把网络限制于预先定义的一类恰当的响应，这个网络就会表现出设计者就这一语境植入其中的智能，而不会使它像真正的人类智能那样具有能适应其他语境的常识。
如果网络和我们一样要具有恰当概括的意识，它也许必须具有和人类大脑一样的尺寸、构造和初始联结构形。如果它要从自己的“经验”学会作出人类式的联系，而不是被教会作出已经由训练者规定好的联系，它就必须也具有和我们一样的关于输出恰当性的意识，而这就意味着它必须具有和我们一样的需求、欲望和情感，而且必须有一个人类式的躯体，该躯体能做恰当的物理运动、具有种种能力，也易受伤害。
如果海德格尔和维特根斯坦是正确的，人类的整体性将比神经网络大得多。智能必须受到有机体中目的和有机体从当前文化中获得的目标的促动。如果分析的最小单元就是与整个文化世界相啮合的整个有机体的最小单元，那么神经网络以及以符号编程的计算机，就还有漫长的道路要走。
人工智能哲学
358