假設我們真正關心的是那種能夠答對大部分威諾格拉德模式測試題的系統，那麼從工程學的角度來看，最好的策略就是使用一些簡易的小技巧。畢竟，把時間都浪費在那些低概率事件上是不值得的。例如，在威諾格拉德比賽，甚至是與人類的競賽過程中，用多樣的技巧獲勝是一件概率很大的事情。從統計學的角度來說，那些處理不當的例子便都不怎麼重要了。
不過，如果你想更好地瞭解人們正確回答威諾格拉德模式測試題的能力，那麼人類靠自己而非靠技巧來解決問題，就顯得尤其重要。我們想要瞭解的是人類能夠做什麼、如何做，而不是可能做一些類似的事情。即使是威諾格拉德模式測試裡的一個例題，也能提供重要信息，告訴我們人類能夠做哪些事情。我們不能簡單地撇開題目，然後大聲喊道：「這種情況幾乎不可能發生！」
正是對人類如何處理罕見事件的關心，促使我們不斷地超越自適應機器學習的研究。我們處理類似黑天鵝事件的能力，並不是通過額外培訓後形成的刻板、單一的行為模式的結果。相反地，這更像是一個全新的、依賴於背景知識的工作機制。
但這仍然給我們帶來了一個重要的問題：這一機制的本質是什麼？