在「權衡證據」這個主題上有很多重要變體。我們的第一個理念就是數出有多少證據支持某個物體是一把椅子。但所有的證據價值都一樣，所以我們可以通過給不同類型的證據賦予不同的「權重」來改進方案。
桌子也有四條腿和一個座位，我們如何防止這個椅子識別器把桌子當成椅子呢？方法之一就是安排權重。但如果已經擁有了一個桌子識別器，我們就可以用它的輸出作為證據來反對把這個物體當成椅子，只要給它賦予負數的權重即可！人們應該如何決定每個特徵應該被賦予多少權重呢？在1959年，弗蘭克·羅森布拉特發明了一種具有獨創性的證據加權機器，叫作「感知器」。它配備了一個流程，一個老師會告訴它，它所做的哪種區分是不可接受的，從而讓它自動學會應該使用哪種權重。
所有的特徵加權機器都有嚴重的局限性，因為儘管可以估量各種特徵是否出現，但它們無法足夠重視這些特徵之間的關係。舉例而言，在《感知器》（Perceptrons）一書中，西蒙·派珀特和我用數學方法證明了沒有一個特徵加權機器可以區分下列圖案，無論我們用多麼聰明的辦法來加權。
左邊的兩幅圖描繪的是相連的圖形，也就是可以用一條線畫出的圖形。右邊的兩幅圖是不相連的圖形，需要用兩條分開的線來畫。下面這種方法可以證明沒有一種特徵加權機器可以認出這種不同之處。假設你把每張圖都撕成一堆碎片。僅僅因為每一堆都包含著同樣種類的圖畫碎片，我們無法知道哪一堆碎片來自相連的圖畫，哪一堆來自不相連的圖畫！每堆碎片都包含著四個直角，兩個「線段的端點」，以及同樣長度的水平線和豎直線。因此，通過「證據疊加」是無法區分這幾堆圖形的，因為所有關於各種證據間關係的信息都已經丟失了。