在我看来，知识与符号处理之间的关系就如同科学中的进化与自然选择的关系。有了化石和DNA分析的证据支持，进化就成为一个科学事实。但是，查尔斯·达尔文提出的实际进化机制——自然选择，并没有如此多的数据支持。我们会对进化论存疑，反而觉得自然选择更为可信。这是因为自然选择的过程听起来更加合理，合理到我们想象不出还有其他的可能性。
我还认为，在某些常识性行为中运用的背景知识也是一个事实（如回答威诺格拉德模式问题时）。就像某人某天大声念出电影《2001：太空漫游》的上映日期，并且该行为会影响他今后某天所做的事情。这一行为狗做不到，下棋智能人或恒温器也做不到，但人做得到。
据我所知，如果现在需要一个机制来解释这个事实，那么本章概述的基于知识的内容便是我们的唯一选择。也许直到你需要用到电影《2001：太空漫游》中的知识时，你都无法解释这些知识是怎样存储于你的脑海中的。这便陷入了僵局。关于知识表示和推理问题，我们可能永远都无法给出一个令人满意的答复。然而，在现阶段，除了发问，我们别无选择。
另外，如果这种基于知识的方法是有效的，也就是说，如果有一个能够访问，并且可以使用人类一切知识的计算系统，那么它就需要一个庞大的知识库和一个足以高效处理大量符号结构的计算应用程序。这些要求也制约了其自身。
我认为，如果没有相应的巨大进步，任何建立大型知识体系的企图都注定失败。那种企图将一台空白的电脑联网，让其自学，让其自行完成所有费力工作的想法就是空想。通过自学认识猫是一回事，通过自学学会阅读是一回事，而学习阅读维特根斯坦（Wittgenstein）的著作又是另一回事。在计算系统从我们所知中获益之前，它需要先填鸭式地接收我们所了解的一切，并能有效地使用。即使我们知道如何回答表示和推理问题，但把这些想法付诸实践仍然是一个令人却步的挑战。
不过，这就是所有的猜测了。最后，我们所剩的只有一个经验性的问题：怎样的计算设计才足以解释其对应的智能行为呢？
本章的讨论至此结束，接下来是有关人工智能研究的内容。