我們看到一些例子，然後把它們應用於以前沒有見過的情境，通過這種方式，我們總是能從經驗中學習。一聲嚇人的咆哮或吠叫可能會讓一個嬰兒害怕所有差不多大小的狗，甚至害怕所有的動物。我們是怎麼泛化這些零碎的證據呢？我的一隻狗曾經被車撞過，於是它再也不去自己被撞的那條街了，但它卻從來沒有停止過在其他街道上追車。
每個時期的哲學家都會試圖概括我們是如何從經驗中學到這麼多東西的。關於這一點，他們曾經提出過許多理論，起了一些如「抽像法」「歸納法」「溯因法」這樣的名字，但還沒有人發現一種方式可以一直進行正確的泛化。這大概是因為這樣簡單的方案根本就不存在，無論我們「學會」什麼，最後都可能是錯的。無論如何，我們人類不會根據任何固定不變的原則進行學習。相反，我們會積累各種學習方案，這些方案在性質和種類方面都各不相同。
我們已經看到過幾種泛化的方式。其中一種就是建立統一框架，在這種方式中，我們會做出一些描述，把認為不重要的細節都排除在外。有一個相關的理念是建立在「水平帶」概念中的。然而還有一個方案隱含在多憶體的概念中，這個方案試圖通過把一些預期組合在一起來猜測事物的特性，那些預期是根據一些獨立屬性建立的。不管怎樣，我們如何「表述」已知的事物與看似最合理的泛化之間存在著緊密的聯繫。舉例來說，第一次提出椅子「識別器」時，我們是根據多憶體把它組裝起來的，與這個多憶體相關的是一些我們已經熟悉的理念，也就是座位、椅子腿和靠背。我們已經給予了這些特徵適當的權重。
如果我們改變這些證據的權重，就會產生新的識別器。舉例來說，給「靠背」一個負權重，新的智能體就會拒絕椅子，而接受長凳、板凳或者桌子。如果所有權重都增加（但所需要的總權重保持不變），那麼新的識別器就會接受更多類型的傢俱，或者那些有更多特徵隱藏在視線之外的傢俱，還有其他一些根本就不是傢俱的物體。
為什麼這種變體非常有可能產生有用的識別器呢？如果我們只是隨機選擇舊的識別器，並把它們組合成新的識別器，確實不太可能。但如果每個新的識別器都是由智能體發送的信號組成，並且這些智能體已經證明自己在相關的環境中是有用的，那麼產生有用的新識別器的可能性就高得多。就像侯世達所解釋的：
使一個主題產生變化是創造性的癥結所在。但這並不是兩個看不見的概念相撞而產生的一個魔幻而神秘的過程，它是概念可以劃分為重要的次級概念元素所產生的結果。