作出这种假定，就是忽视两种事实之间的重要区别。我要证明的是，这两种事实中，只有一种事实的计算表述是理想的人工智能系统所要求的。设想“怪人”有时运送皮萨饼经过SRI。可能只允许一定重量的皮萨饼通过巨大的安全系统，因而“怪人”将根据这一假定来建造：如果某物被识别为皮萨饼，那么活动的手臂就必须施加一定的力把它举起来。这样做的结果将“暴露”出“怪人”在它每一次要举起皮萨饼时必须计算出需要多大的力来举起这张饼这方面的表述能力2。这种联结可以直接建在硬件中。然而，住在休里特-帕卡德公司附近的人们，被“怪人”日增的名声所吸引，也许想试一试让它为他们运送皮萨饼。他们可能会大大失望，因为对“怪人”说来遗憾的是，休里特-帕卡德公司实验室的安全系统允许所有各种重量的皮萨饼通过。人们发现“怪人”正在以不大可能引起DARPA3注意的方式把皮萨饼扔得到处都是。
的确，DARPA可以据理争辩说，这是“怪人”的认知缺陷。我们以无止境的方式对待智能：某某可能擅长于下象棋，但是如果他不能学会玩牌戏“go”，我们就认为他缺少这方面的智能。对“怪人”来说，皮萨饼重量的表述是可接受的认知所必需的，更不用说理想的认知了。
但是我们不应该因此得出这种结论：“怪人”要成为真正有智能的，必须表示所有存在的事实。例如，“怪人”如果能表示出它底座上的声纳传感器之间的距离，人们反倒会感到惊奇。这不仅是因为这个距离在“怪人”的整个生涯中是一个定值，更重要的是因为“怪人”本身的结构并不是“怪人”的任务域的一部分。“怪人”从不需要操纵它的声纳传感器之间的距离；这个距离不是据以评价“怪人”性能的那种东西。相反它是“怪人”的能力基底的一部分，凭借于此，“怪人”才有了那些它实际具有的在走廊内移动的行为能力。任务域(t域)与系统的能力基底域(s域)之间的这种区别，对理解一个灵活的系统所必须表达的东西来说，是必不可少的。为了能够在一系列任务域内灵活地运作，一个系统必须能够表述一个任务域的那些在这一系列任务域内变动或可能变动的特征。但是只要基底域像通常那样，是在这一系列的范围之外，一个灵活的系统就不必去表述它的基底域的各个方面。[1]
人工智能哲学
[1] 正如某些 AI理论家所做的那样，例如见莱纳特和费根鲍姆(Lenat and Feigen-baum 1987).
[2] 见巴怀斯(Barwise 1987)。
[3]为“高级研究项目”服务的美国国防部基金署。
418