讓我們回到移動思維傢俱的例子中。要想像移動一間屋子裡的物品，我們需要怎麼做？我們首先需要某種方式來表述物品在那個空間中是如何排列的。在「積木拱橋」的場景中，我們用的是物體的形狀以及它們之間的關係來表述場景。在房間場景中，你可能會把每個物品與牆和角落聯繫起來，你可能會注意到沙發大約在桌子和椅子的中間，而這三個物品在某堵牆附近排成了一條直線。
一旦有辦法表述房間，我們還需要一些技術來操控這些表象。我們如何能把改變沙發和椅子位置的結果視覺化呢？讓我們過度簡化一下，假設只要交換兩種智能體的狀態就可以做到：智能體A表述沙發，智能體B表述椅子。要交換它們的狀態，我們假定兩種智能組都可以獲得「短時記憶單元」，我們稱之為M-1和M-2，它們可以記錄智能組的狀態。然後，我們就可以通過先儲存A和B的狀態，再用相反的順序恢復它們來交換A和B的狀態。換句話說，我們可以用以下這種簡單的四步「腳本」：
1.在M-1中儲存A的狀態。
2.在M-2中儲存B的狀態。
3.用M-2決定A的狀態。
4.用M-1決定B的狀態。
這樣的「記憶控制腳本」只有在我們有足夠小的記憶單元時才能生效，這種記憶單元可以把較大場景中沙發尺寸的部分挑選出來。M-1和M-2如果只能儲存整個房間的描述，就無法完成這項工作。換句話說，我們必須能夠把短時記憶與當前問題的適當方面聯繫在一起才行。要學會這種能力並不簡單，而且有的人恐怕永遠也無法掌握這種能力。如果我們想重新安排三種或更多物品時怎麼辦？事實上，我們只要利用同時交換兩個物品的操作方法，是有可能任意重新安排的！當你處理一種不熟悉的問題時，最好還是先從改變一到兩處開始。然後，在成為專家的過程中，你會發現一些方法可以同時在記憶中進行多處改變。
我們的成對交換腳本需要更多的機器，因為每個記憶單元都必須等到之前那一步完成才行，而腳本中的每一步所需的時間取決於各種各樣的「條件傳感器」。簡而言之，我們將會看到，就算這樣也不足以解決困難的問題：我們的記憶控制程序在向其他智能組或記憶尋求幫助時同樣也需要一些方式來干擾它們自己。實際上，我們在管理記憶時需要解決的問題，與我們在處理外部世界的事物時所面對的問題驚人地相似。