/LMAR=50/TMAR=50/RMAR=4095/BMAR=1/PMAR=0/XLINE=0/FONT#0=NGR13/USETI=0000040*TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX**TEX*

␈β⊃L␈↓ ε2␈ε∧0
␈β∪(

␈βα↔␈↓ 5␈ε≤C␈α␈OGN␈α␈I␈α↓TIVE␈α-E␈α␈CON␈α␈OMY
␈β¬1␈↓ ∧∪␈ε∨Douglas␈α
B.␈αLenat,␈α_Stanford␈αUniv␈α␈ersity
␈β¬k␈↓ ∧α␈ε∨Frederick␈αHay␈α␈es-Roth,␈α_Rand␈αCorporation
␈βε%␈↓ ∧Z␈ε∨Phil␈α
Klahr,␈α_Rand␈αCorporation
␈β
M␈↓ ∧␈␈ε≡AB␈α↓STRA␈α}CT
␈βT␈↓ α␈εαIn␈α␈telligen␈α␈t␈αsystems␈α
can␈αexplore␈αonly␈αtin␈α␈y␈αsubsets␈α
of␈αtheir␈αpoten␈α␈tial␈αexternal
␈β␈␈↓ ↓H␈εαand␈αconceptual␈αw␈α␈orlds.␈αThey␈αm␈α␈ust␈αdev␈α␈elop␈αe}cien␈α␈t␈αforms␈αof␈αrepresen␈α␈tation,␈αac-
␈β*␈↓ ↓H␈εαcess,␈α⊃and␈α⊃operation␈α⊂to␈α⊃increase␈α⊂their␈α⊃capacities.␈α→Some␈α⊃of␈α⊂these␈α⊃forms␈α⊂in␈α␈v␈α␈olv␈α␈e
␈βU␈↓ ↓H␈εαabstraction,␈α∞caching,␈α∞and␈α
expectation-␈α∞simpli|ed␈α
processing.␈α⊃These␈α
capabilities
␈β
↓␈↓ ↓H␈εαin␈α	turn␈α	can␈α
com␈α␈bine␈α	to␈α	pro␈α␈vide␈α
extremely␈α	po␈α␈w␈α␈erful␈α
increases␈α	in␈α	performance.␈αFor
␈β
,␈↓ ↓H␈εαexample,␈αall␈α
three␈αcan␈α
com␈α␈bine␈αto␈αsimplify␈α
sim␈α␈ulation␈αor,␈αone␈αof␈α
its␈αrelated␈α
func-
␈β
W␈↓ ↓H␈εαtions,␈αdetection␈α
of␈α
surprising␈αev␈α␈en␈α␈ts.␈α∞Our␈α
analysis␈α
of␈αthe␈α
economic␈α
principles␈αof
␈β∞α␈↓ ↓H␈εαmodern␈αAI␈αsystems␈αor␈α(presumably␈αmore␈αsophisticated)␈αh␈α␈uman␈αin␈α␈telligence␈αsug-
␈β∞-␈↓ ↓H␈εαgests␈αλthat␈α	previous␈α	ideas␈α	regarding␈α	cognitiv␈α␈e␈αλe}ciency␈α	hav␈α␈e␈α	erred␈α	in␈αλfundamen␈α␈tal
␈β∞Y␈↓ ↓H␈εαways.␈α∩For␈α∂example,␈α∂the␈α∞nonredundan␈α␈t␈α∞storage␈α∞of␈α∂properties␈α∞in␈α∞hierarchical␈α∞in-
␈β∂∧␈↓ ↓H␈εαheritance␈αnets␈α
increases␈αman␈α␈y␈α
processing␈αcosts␈α
while␈αpro␈α␈viding␈α
minimal␈αstorage
␈β∂/␈↓ ↓H␈εαcost␈α∞savings.␈α⊃We␈α∞propose␈α∞methods␈α∞to␈α∞exploit␈α∞the␈α∞poten␈α␈tial␈α∞advan␈α␈tages␈α∞of␈α
both
␈β∂Z␈↓ ↓H␈εαschemes.
␈β⊃L␈↓ ε2␈ε∧1
␈β∪(

␈βββ␈↓ ↓H␈ε≡1.␈α⊗INTR␈α}OD␈α␈U␈α↓C␈α␈TI␈α↓O␈α␈N
␈β¬λ␈↓ ↓H␈ε≥1␈α␈.1.␈α
I␈α↓ntro␈α␈d␈α↓uc␈α␈t␈α↓ion
␈βεC␈↓ ↓H␈ε 1.1.1.␈αOutline.
␈βε⎇␈↓ α␈εαOur␈α	model␈α	of␈α	in␈α␈telligen␈α␈t␈α	system␈α	organization␈α	Concepts,␈α
heuristics,␈α	PDIS␈α	Our
␈βπ(␈↓ ↓H␈εαmodel␈α∂of␈α⊂in␈α␈telligence:␈α∪kno␈α␈wledge␈α∂and␈α⊂its␈α∂expansion␈α⊂(through␈α∂experimen␈α␈tation,
␈βπS␈↓ ↓H␈εαdisco␈α␈v␈α␈ery,␈α⊂conjecture,␈α⊃conditioning)␈α⊂Our␈α⊂model␈α⊂of␈α⊂computing:␈α∀Cheap␈α∂storage,
␈βπ␈␈↓ ↓H␈εαexpensiv␈α␈e␈αλkno␈α␈wledge␈αλacquisition,␈αλlimited␈αλcomputing␈αλcy␈α␈cles␈αλThe␈αλproblem:␈α
Wan␈α␈t␈αλto
␈βλ*␈↓ ↓H␈εαdev␈α␈elop␈α	initial␈αλsystems␈α	quickly␈α	and␈α	then␈α	hav␈α␈e␈α	them␈α	speed␈α	up␈α	and␈α	economize␈αλtheir
␈βλU␈↓ ↓H␈εαcomputing␈α
to␈α	maximize␈α
their␈α
poten␈α␈tial␈α
The␈α
principal␈α
ideas:␈αAbstraction␈α	Caching
␈β	␈↓ ↓H␈εαExpectation-simpli|ed␈αcomputing␈α
e.g.,␈α
ignoring␈α
expcted␈α
data␈α
giving␈α
priority␈αto
␈β	+␈↓ ↓H␈εαsurprising␈α∂data␈α∂feeding␈α∂back␈α∂to␈α∂con|rmed/discon|rmed␈α∂predictions␈α∂Outline␈α∂of
␈β	W␈↓ ↓H␈εαthe␈αrest␈αof␈αthe␈αpaper
␈β
β␈↓ α␈εα2.␈αAbstraction␈αDesirability␈αof␈αbeing␈αable␈αto␈αcompute␈αrough␈αansw␈α␈ers␈αcheaply
␈β
.␈↓ ↓H␈εαConceptual␈απhierarchies␈αλHeuristic␈απHierarchies␈αλIn␈α␈terpretation␈αλand␈απplanning␈αλat␈απlev␈α␈els
␈β
Y␈↓ ↓H␈εαof␈α
abstraction␈α∞Eg.,␈α
rules␈α∞of␈α
bom␈α␈ber␈α∞sim␈α␈ulation␈α
at␈α∞di{t␈α
lev␈α␈els␈α∞(this␈α
example␈α
will
␈β¬␈↓ ↓H␈εαultimately␈αbe␈αused␈αto␈αsuggest␈αcaching␈αfor␈αsimpli|cation)␈αRelated␈αresearch
␈β1␈↓ α␈εα3.␈αCaching␈α	Modifying␈α
memory␈α	to␈α	sav␈α␈e␈α	computed␈α
results␈α	to␈α	speed␈α	subsequen␈α␈t
␈β\␈↓ ↓H␈εαaccesses␈α
Generalization␈αof␈α
hardware␈α
concept␈αEURISK␈α␈O␈α
types␈αof␈α
caching,␈αas␈α
|rst
␈βπ␈↓ ↓H␈εαexamples␈α⊂Con␈α␈trast␈α⊃with␈α⊂psy␈α␈chological␈α⊃conjectures␈α⊃of␈α⊂cognitiv␈α␈e␈α⊃econom␈α␈y␈α⊂(e.g.,
␈β2␈↓ ↓H␈εαCollins&Quillian,␈απKRL,␈αε...).␈αMore␈αεlik␈α␈e␈αεHR2␈απPlasticity␈αεmodel␈αεof␈απstoring␈αεall␈αεretriev␈α␈ed
␈β↑␈↓ ↓H␈εαpaths␈αas␈αdirect␈αlinks␈αGeneral␈αprinciples␈αUpdating␈αPrinciples␈α←←←←←←-
␈β
␈↓ α␈εαWhen
␈β
6␈↓ α␈εαWh␈α␈y
␈β
c␈↓ α␈εαHo␈α␈w␈α∂get␈α∞demon␈α∂traps␈α∞that␈α∂⎇ag␈α∞the␈α∂cache␈α∞as␈α∂out␈α∞of␈α∂date␈α∞the␈α∂user␈α∞requests
␈β∞∞␈↓ ↓H␈εαupdating␈αif␈αthe␈αcache␈αseems␈αstaleness␈αWhere
␈β∞:␈↓ α␈εαIn␈αwhat␈αform
␈β∞f␈↓ α␈εαWhat
␈β∂∪␈↓ α␈εαWhen␈αnot␈αto
␈β∂?␈↓ α␈εαHo␈α␈w␈αto
␈β∂k␈↓ α␈εαStorage␈αPrinciples␈α←←←←←←
␈β⊂_␈↓ α␈εαWhen␈α∞Ev␈α␈ery␈α∂time␈α∞y␈α␈ou␈α∞hav␈α␈e␈α∂to␈α∞call␈α∞a␈α∂lo␈α␈w␈α␈er␈α∞order␈α∞function␈α∂to␈α∞eval.␈α∪it␈α∞&␈α∞it
␈β⊂C␈↓ ↓H␈εαtook␈αquite␈αa␈αwhile.␈αYou'v␈α␈e␈αcaled␈αit␈αbefore,␈αrecen␈α␈tly␈α&␈αthe␈αvalue␈αdidn't␈αchange.
␈β⊂o␈↓ α␈εαWh␈α␈y␈αCost␈αof␈αrecomputing␈αvs.␈αcost␈αof␈αstorage.␈αCon␈α␈text␈αof␈αsubsequen␈α␈t␈αcals␈αis
␈β⊃~␈↓ ↓H␈εαsimilar␈αenough␈α(e.g.l,␈αthe␈αsame␈αargumen␈α␈ts␈αwill␈αcome␈αup␈αagain.
␈β⊃L␈↓ ε2␈ε∧2
␈β∪(

␈β↓Y␈↓ ↓H␈εα1.1.2␈ε∞␈↓ λYINTR␈α␈ODUCT␈α␈ION␈↓ ~␈εα3
␈βα(␈↓ α␈εαHo␈α␈w␈αCalled␈αfunctions␈αmigh␈α␈t␈αsuggest␈αho␈α␈w␈αto␈αcache␈αtheir␈αvalue␈αin␈α
higher␈αcall-
␈βαS␈↓ ↓H␈εαing␈α∞caches␈α∞(e.g.,␈α∂m␈α␈y␈α∞value␈α∂changes␈α∞often␈α∞so␈α∞cache␈α∂m␈α␈y␈α∞defn.).␈α∪Cache␈α∞should␈α∞be
␈βα}␈↓ ↓H␈εαtransparen␈α␈t␈απ&␈απdiscardable␈αλ(should␈απbe␈απable␈απto␈αλthro␈α␈w␈απthem␈απall␈αλaway␈απif␈απspace␈απneeded).
␈ββ+␈↓ α␈εαWhere
␈ββX␈↓ α␈εαIn␈απwhat␈απform␈απvalue␈απ)␈απwhat␈απlev␈α␈el␈απof␈απabstraction␈απ(partially␈απevaluated␈απexpression)
␈β∧∧␈↓ ↓H␈εαsym␈α␈bolic␈αexpression)
␈β∧0␈↓ α␈εαStack␈αprevious␈αvalues␈αto␈αenable␈αy␈α␈ou␈αto␈αtell␈αif␈αthey're␈αchanging.
␈β∧]␈↓ α␈εαWhat␈απYou␈αλstore␈απa␈απ⎇ag␈αλsaying␈απy␈α␈ou'v␈α␈e␈απbeen␈αλhere␈απbefore.␈α
When␈αλit␈απwas␈απcomputed.
␈β¬	␈↓ ↓H␈εαHo␈α␈w␈α∞m␈α␈uch␈α∞e{ort␈α∞was␈α∞expended␈α∞on␈α∞it,␈α∞do␈α␈wn␈α∞to␈α∞what␈α∞lev␈α␈els␈α∞of␈α∞algorithms,␈α∞with
␈β¬4␈↓ ↓H␈εαwhat␈αaround␈αcaches␈αincorporated.␈αCertain␈α␈ty␈αof␈αthe␈αresult.
␈β¬a␈↓ α␈εαWhen␈α∞not␈α
to␈α∞The␈α
value␈α∞changes␈α
too␈α
frequen␈α␈tly.␈α⊃The␈α
function␈α∞evaluates␈α
as
␈βε␈↓ ↓H␈εαfast␈αas␈αthe␈αcaching␈αmechanism␈αitself␈αSpace␈αis␈αtoo␈αtigh␈α␈t
␈βε9␈↓ α␈εαHo␈α␈w␈α∩to␈α∪eliminate␈α∩caches␈α∩Space␈α∩tigh␈α␈t↑>␈α∩eliminate␈α∪last␈α∩used␈α∩caches␈α∩(last
␈βεd␈↓ ↓H␈εαreferenced)
␈βπ⊃␈↓ α␈εα4.␈αExpectation␈αCen␈α␈tral␈αnotion:␈αreserv␈α␈e␈αy␈α␈our␈αcomputing␈αfor␈αopportunities␈αto
␈βπ<␈↓ ↓H␈εαrealize␈αεpoten␈α␈tial␈απfor␈απexpanding␈απkno␈α␈wledge␈αεYou␈απmay␈απdecide␈απho␈α␈w␈αεm␈α␈uch␈απto␈απexpend␈αεre-
␈βπg␈↓ ↓H␈εαcon|rming␈αthe␈αexpected␈αReductions␈αrealizable␈αthrough␈αexpectations:␈αPerceptual
␈βλ∪␈↓ ↓H␈εαset:␈α⊂see␈α∞what␈α∞y␈α␈ou␈α∞expect␈α∞with␈α∞less␈α∞e{ort␈α∞Surprise:␈α⊂heigh␈α␈ten␈α∞sensitivity␈α∞to␈α∞data
␈βλ>␈↓ ↓H␈εαinconsisten␈α␈t␈αwith␈α
expectations␈αPredict␈αand␈αprepare␈αWhat␈αmechanisms␈αare␈α
impli-
␈βλi␈↓ ↓H␈εαcated?␈αCaching␈αPDMs␈α(as␈αtriggers␈αor␈αdemons)␈αRelevance␈αto␈αlearning␈αCon|rm␈αor
␈β	∀␈↓ ↓H␈εαdiscon|rm␈αpredictors␈αThis␈αrequires␈αsetting␈αup␈αPDMs␈αto␈α|re␈αon␈αdis/con|rmation
␈β
M␈↓ ↓H␈ε 1.1.2.␈αCognitive␈αeconomy␈αrevisited.
␈β
␈↓ α␈εα5.␈α
Cognitiv␈α␈e␈αεeconom␈α␈y␈αεrevisited␈αεSample␈αεproblem:␈α	using␈αεa␈αεw␈α␈orld␈αεmodel␈αε(sim␈α␈ulator)
␈β5␈↓ ↓H␈εαto␈αεansw␈α␈er␈αεquestions␈αε(e.g.,␈απwhat'd␈αεhappen␈αεif␈αε100␈αεbom␈α␈bers␈αεw␈α␈en␈α␈t␈αεin␈αεthere?)␈α
Represen␈α␈tation
␈β`␈↓ ↓H␈εαof␈α	this␈α
kno␈α␈wledge␈α
as␈α	PDMs␈α
at␈α	di{t␈α
lev␈α␈els␈α
of␈α	abstn␈α
Ability␈α
to␈α	generalize␈α
and␈α	cache
␈β␈↓ ↓H␈εαresults␈αat␈αone␈αlev␈α␈el␈αat␈αthe␈αnext␈αhigher␈αlev␈α␈el,␈αe.g.␈αeither␈αas␈αn␈α␈umerical␈αtables,␈αstat.
␈β6␈↓ ↓H␈εαdistns,␈α∞or␈α
sym␈α␈bolic␈α∞expressions␈α
Ability␈α∞to␈α∞answ␈α␈er␈α
some␈α∞questions␈α
appropriately
␈βb␈↓ ↓H␈εαfor␈αthe␈αrequestor␈αat␈αa␈αhigh␈αlev␈α␈el␈αof␈αabstraction
␈β
∂␈↓ α␈εαKB␈α⊂Design␈α⊂One␈α⊂good␈α⊂reason␈α⊂to␈α⊂use␈α⊂inheritanc␈α⊂is␈α⊂to␈α⊂speed␈α∂kno␈α␈wledge␈α⊂im-
␈β
:␈↓ ↓H␈εαplemen␈α␈tation,␈αnot␈αcomputing␈αperformance␈αUsing␈α
the␈αsystem␈αshould␈αresult␈αin␈αits
␈β
e␈↓ ↓H␈εαspeedup␈α⊃Storage␈α⊃should␈α⊃be␈α⊃cheap␈α⊃Machine␈α⊃architecture␈α⊃PDI␈α⊃should␈α⊃be␈α⊃cheap
␈β∞⊂␈↓ ↓H␈εαPDMs␈αshould␈αbe␈αscheduled␈α
with␈αvariable␈αresources␈αand␈α
should␈αbe␈αable␈αto␈αspend
␈β∞;␈↓ ↓H␈εαe{ort␈α
accordingly␈α
Ho␈α␈w␈α
could␈α
propagation␈α
of␈α∞changes␈α
be␈α
made␈α
e}cien␈α␈t?␈α∂6-No␈α␈v-
␈β∞g␈↓ ↓H␈εα78␈α10:55:54-PST,1738;000000000001
␈β∂∀␈↓ α␈εαMail␈αfrom␈αRAND-UNIX␈αrcvd␈αat␈α7-No␈α␈v-78␈α1626-PST␈αFrom:␈αKlahr␈αat␈αRand-
␈β∂?␈↓ ↓H␈εαUnix␈αεDate:␈α	7␈αεNo␈α␈v␈αε1978␈αεat␈αε1628-PST␈αεMessage-Id:␈α	<[Rand-Unix]␈αε7-No␈α␈v-78␈αε16:28:14.klahr>
␈β∂j␈↓ ↓H␈εαTo:␈αrick␈αcc:␈αlenat␈α@␈αsumex-aim␈αSubject:␈αJoin␈α␈t␈αIJCAI␈αpaper
␈β⊂↔␈↓ α␈εαRick,
␈β⊂D␈↓ α␈εαBased␈α
on␈α
an␈α
initial␈α
scan␈α
of␈α
y␈α␈our␈α
outline,␈α
I␈α
think␈α
it␈α
looks␈α
great.␈αSome␈α
prelimi-
␈β⊂o␈↓ ↓H␈εαnary␈αthough␈α␈ts:
␈β⊃≤␈↓ α␈εα1.␈αTitle:␈αCognitiv␈α␈e␈αEconom␈α␈y␈αin␈αArti|cial␈αIn␈α␈telligen␈α␈t␈αSystems
␈β∪(

␈β↓Y␈↓ ↓H␈εα4␈↓ α=␈ε∞COGNIT␈α␈IVE␈α	ECONOMY␈εα␈↓ 
b1.1.2
␈βα(␈↓ α␈εα2.␈α∪Abstraction:␈α⊂I␈α∞don't␈α∂think␈α∞w␈α␈e␈α∞should␈α∞delv␈α␈e␈α∂in␈α␈to␈α∞the␈α∞military␈α∞domain␈α∞of
␈βαS␈↓ ↓H␈εαbom␈α␈ber␈α∂sim␈α␈ulations␈α∂for␈α∂the␈α∂IJCAI␈α∂paper.␈α∃It␈α∂may␈α∂turn␈α∂o{␈α∂alot␈α∞of␈α∂people.␈α∃The
␈βα}␈↓ ↓H␈εαhearts␈α	domain␈α
may␈α	similarly␈α
turn␈α	o{␈α
a␈α
di{eren␈α␈t␈α	group.␈αHo␈α␈w␈α␈ev␈α␈er,␈α
since␈α
w␈α␈e'll␈α	hav␈α␈e
␈ββ*␈↓ ↓H␈εαexamples␈α∞from␈α∂EURISK␈α␈O,␈α∂examples␈α∞from␈α∂hearts␈α∂should␈α∞pro␈α␈vide␈α∂an␈α∞additional
␈ββU␈↓ ↓H␈εαexample␈α∞domain␈α∞and␈α∂will␈α∞not␈α∞look␈α∂cen␈α␈tral␈α∞to␈α∞the␈α∂ideas␈α∞presen␈α␈ted.␈α∪The␈α∞area␈α∞of
␈β∧␈↓ ↓H␈εαabstraction␈α∂in␈α∂sim␈α␈ulations␈α∂is␈α∂po␈α␈w␈α␈erful␈α∂as␈α∂w␈α␈e␈α∂are,␈α⊂and␈α∂will,␈α⊂experience.␈α∃This␈α∂is
␈β∧+␈↓ ↓H␈εαperhaps␈α∂w␈α␈orth␈α␈y␈α∂of␈α⊂its␈α∂o␈α␈wn␈α∂paper.␈α↔If␈α∂w␈α␈e␈α∂do␈α⊂wan␈α␈t␈α∂to␈α∂talk␈α⊂about␈α∂abstraction␈α∂in
␈β∧V␈↓ ↓H␈εαsim␈α␈ulations,␈α
I␈α
suggest␈α
alternativ␈α␈e␈α∞domains,␈α
eg,␈α
ship␈α∞or␈α
air␈α
tra}c␈α
con␈α␈trol,␈α
sport-
␈β¬α␈↓ ↓H␈εαing␈α	ev␈α␈en␈α␈ts␈α
(football␈α
strategies),␈α
in␈α␈ternational␈α	terrorism␈α
(more␈α
people␈α	sympathetic
␈β¬-␈↓ ↓H␈εαhere),␈αappoin␈α␈tmen␈α␈t␈αscheduling␈α(as␈αin␈αproposal),␈αetc.
␈β¬Y␈↓ α␈εα3.␈αCaching:␈αlooks␈αgood.
␈βε¬␈↓ α␈εα4.␈α⊃Expectation-simpli|ed␈α∞processing:␈α∂This␈α∞is␈α∞a␈α∞confusing␈α
phrase.␈α∩The␈α
only
␈βε0␈↓ ↓H␈εαalternativ␈α␈e␈αI␈α
can␈α
think␈αof␈α
no␈α␈w␈α
is␈αexpectation-␈α
focusing.␈α∞The␈αeconom␈α␈y␈α
here␈α
is␈αin
␈βε[␈↓ ↓H␈εαterms␈α∂of␈α⊂subsequen␈α␈t␈α∂analysis␈α⊂of␈α∂good/bad␈α⊂consequences.␈α⊗Expectation-focusing
␈βπε␈↓ ↓H␈εαdirects␈α∞the␈α∞analysis␈α∞and␈α∞diagnosis␈α∞of␈α∞behavior␈α∞to␈α∞those␈α
heuristics␈α∞that␈α∞w␈α␈ere␈α∞in-
␈βπ1␈↓ ↓H␈εαstrumen␈α␈tal␈αin␈αthe␈αresulting␈αbehavior.␈α
Demons␈αcan␈αbe␈αgenerated␈αby␈αheuristics␈αto
␈βπ]␈↓ ↓H␈εα|re␈αwhen␈αthe␈αheuristics'␈αexpectations␈αare␈αmet/rejected.␈αTh␈α␈us␈αdemons␈αeconomize
␈βλλ␈↓ ↓H␈εαhere␈αby␈αpinpoin␈α␈ting␈αheuristics␈αthat␈αimpacted␈αthe␈αresulting␈αbehavior.
␈βλ4␈↓ α␈εα5.␈α∃The␈α∂idea␈α∞of␈α∂forming␈α∂and␈α∂storing␈α∂sym␈α␈bolic␈α∂expressions␈α∂deserv␈α␈es␈α∂to␈α∂be␈α∞a
␈βλ←␈↓ ↓H␈εαfourth␈αλindependen␈α␈t␈α	cognitiv␈α␈e␈αλeconom␈α␈y.␈αI␈αλfeel␈α	it␈αλis␈α	m␈α␈uch␈αλmore␈α	than␈αλa␈α	simple␈αλcache.
␈β	
␈↓ ↓H␈εαForming␈α∞these␈α∂expressions␈α∂may␈α∂in␈α␈v␈α␈olv␈α␈e␈α∞considerable␈α∂pattern-matching,␈α∂deduc-
␈β	5␈↓ ↓H␈εαtions,␈αetc.␈α∞The␈α
resulting␈αexpression␈α
incorporates␈αmore␈α
than␈αa␈α
simple␈αevaluation
␈β	a␈↓ ↓H␈εα(such␈αλas␈α	caching␈αλfunctional␈α	values).␈αIn␈α	fact,␈α	I␈αλw␈α␈ould␈α	consider␈α	it␈αλto␈α	in␈α␈v␈α␈olv␈α␈e␈αλlearning
␈β
␈↓ ↓H␈εαas␈αw␈α␈ell␈αas␈αcaching.␈αThe␈αexpressions␈αare␈αreally␈αmeta-evaluations.
␈β
8␈↓ α␈εαI␈αλthink␈αλthe␈αλpaper␈αλw␈α␈ould␈αλbe␈αλa␈αλsigni|can␈α␈t␈αλcon␈α␈tribution␈αλto␈αλIJCAI.␈αλI␈αλwill␈απbe␈αλhappy
␈β
c␈↓ ↓H␈εαto␈αparticipate␈αin␈αit.
␈β∂␈↓ α␈εα↑Phil
␈β;␈↓ α␈εα∂18-No␈α␈v-78␈α1848␈αDBL␈αCaching␈αRick␈αand␈αPhil,
␈βg␈↓ α␈εαThanks␈α
for␈α
the␈α
notes.␈α∂I␈α
lik␈α␈e␈α
Rick's␈α
outline,␈α
and␈α
hav␈α␈e␈α
some␈α
commen␈α␈ts␈αon␈α
it
␈β∩␈↓ ↓H␈εαand␈αon␈αPhil's␈αremarks␈αas␈αw␈α␈ell.
␈β>␈↓ α␈εαFirst,␈α
title␈αand␈αauthors.␈α
In␈α
some␈αsense␈αthis␈α
is␈αnot␈α
importan␈α␈t,␈αbut␈αpragmati-
␈βi␈↓ ↓H␈εαcally␈α
it␈α
can␈α∞hav␈α␈e␈α
a␈α
big␈α∞impact␈α
on␈α
the␈α∞way␈α
a␈α
paper␈α∞is␈α
receiv␈α␈ed.␈α⊂Ho␈α␈w␈α
about␈α
just
␈β
∀␈↓ ↓H␈εαCognitiv␈α␈e␈α
Econom␈α␈y?␈α⊃This␈α∞enables␈α
the␈α∞paper␈α∞and␈α
its␈α∞concepts␈α∞to␈α
be␈α∞referred␈α
to
␈β
?␈↓ ↓H␈εαtersely,␈α⊃and␈α⊃will␈α⊂pique␈α⊃the␈α⊂curiosity␈α⊃of␈α⊂man␈α␈y␈α⊃poten␈α␈tial␈α⊂readers.␈α→"Economics"
␈β
k␈↓ ↓H␈εαsounds␈α	too␈α
presumptuous␈α	for␈α
the␈α	material␈α
w␈α␈e␈α	hav␈α␈e;␈α
the␈α
longer␈α	titles␈α
Phil␈α	suggests
␈β∞⊗␈↓ ↓H␈εαare␈αmore␈α
precise␈αbut␈αun␈α␈wieldy.␈α∞For␈αauthor␈α
order,␈αI␈α
w␈α␈ould␈αlik␈α␈e␈α
to␈αgo␈α|rst,␈α
but␈αif
␈β∞A␈↓ ↓H␈εαthere␈α
is␈α∞dissen␈α␈tion␈α∞w␈α␈e␈α∞can␈α
draw␈α∞lots␈α∞or␈α∞something.␈α⊃The␈α∞primary␈α∞author␈α
should
␈β∞l␈↓ ↓H␈εαhav␈α␈e␈α	the␈α	brun␈α␈t␈α	of␈α	the␈α	task␈α	of␈α	preparing␈α	the␈α	article,␈α
in␈α	an␈α␈y␈α	case,␈α	including␈α	con␈α␈ten␈α␈t,
␈β∂↔␈↓ ↓H␈εαprose,␈αand␈αdocumen␈α␈t␈αpreparation.
␈β∂C␈↓ α␈εαThe␈α∞thesis␈α∞that␈α
Rick␈α∞states␈α∞is␈α∞m␈α␈uch␈α∞too␈α∞strongly␈α
w␈α␈orded␈α∞for␈α∞m␈α␈y␈α∞taste;␈α∞co-
␈β∂o␈↓ ↓H␈εαauthoring␈αwith␈α
Rick␈αis␈α
always␈α
a␈αpleasure␈α
because␈αhe's␈α
the␈α
only␈αperson␈α
as␈αbrash
␈β⊂~␈↓ ↓H␈εαas␈α∞I␈α
↑␈α∞and␈α∞occasionally␈α∞moreso!␈α∩But␈α
I␈α∞really␈α∞don't␈α∞wan␈α␈t␈α∞to␈α∞claim␈α∞that␈α∞w␈α␈e␈α
hav␈α␈e
␈β⊂E␈↓ ↓H␈εαthe␈α
|nal␈α∞set␈α
of␈α
three␈α∞k␈α␈eys␈α
(abstrac.,␈α∞caching,␈α∞expectation-simpli|ed␈α
processing)
␈β⊂p␈↓ ↓H␈εαto␈αrepresenational␈αeconom␈α␈y.␈αIn␈αfact,␈αcan␈αw␈α␈e␈αthink␈αof␈αmore?
␈β⊃≤␈↓ α␈εαTHESIS:␈αAs␈αoften␈αhappens␈αwhen␈α
I␈αread␈αRick's␈αstu{,␈αI␈αmisunderstood␈αit␈αthe
␈β∪(

␈β↓Y␈↓ ↓H␈εα1.1.2␈ε∞␈↓ λYINTR␈α␈ODUCT␈α␈ION␈↓ ~␈εα5
␈βα(␈↓ ↓H␈εα|rst␈α
time␈α
through,␈α
and␈α
as␈α
a␈αresult␈α
got␈α
an␈α
additional␈α
good␈α
idea␈α
out␈α
of␈α
it␈α
that␈α
Rick
␈βαS␈↓ ↓H␈εαdidn't␈αin␈α␈tend:
␈ββ␈↓ α␈εαMuch␈α
of␈α	what␈α
goes␈α	on␈α
today␈α	at␈α
the␈α
fore␈α	of␈α
AI␈α	can␈α
be␈α	view␈α␈ed␈α
as␈α	"expectation-
␈ββ+␈↓ ↓H␈εαsimpli|ed␈α
processing":␈α∞frames,␈α∞scripts,␈α
user␈α
modelling,␈α∞caching␈α
of␈α
all␈α
lev␈α␈els␈α
and
␈ββV␈↓ ↓H␈εα⎇av␈α␈ors,...␈α→Here␈α⊃are␈α⊂a␈α⊃few␈α⊂poins␈α⊃on␈α⊂the␈α⊃con␈α␈tin␈α␈uum:␈α∃After␈α⊂computing␈α⊃a␈α⊂value,
␈β∧↓␈↓ ↓H␈εαcache␈α
it.␈αNote:␈α"value"␈αmay␈αbe␈α
a␈αn␈α␈um␈α␈ber,␈αa␈α
v␈α␈ector␈αof␈αn␈α␈um␈α␈bers,␈αan␈α
alphan␈α␈umeric
␈β∧,␈↓ ↓H␈εαiden␈α␈ti|er,␈α∞a␈α∂v␈α␈ector␈α∞of␈α∞them...␈α∩Syn␈α␈thesize␈α∂a␈α∞function␈α∞capable␈α∞of␈α∞e}cien␈α␈tly␈α∞com-
␈β∧X␈↓ ↓H␈εαputing␈α
desired␈αvalues,␈αand␈αcache␈αthat␈αfunction.␈αSyn␈α␈thesize␈αa␈αwhole␈αconcept␈α
data
␈β¬β␈↓ ↓H␈εαstructure␈α
(frame,␈α
script...)␈α⊂which␈α
con␈α␈tains␈α
relevan␈α␈t␈α
partial␈α
models␈α
of␈α
the␈α
recen␈α␈t
␈β¬.␈↓ ↓H␈εαsituation.␈α⊃There␈α∞are␈α
more␈α∞in␈α␈termediate␈α∞ones,␈α∞but␈α∞y␈α␈ou␈α
see␈α∞the␈α∞progression␈α
from
␈β¬Y␈↓ ↓H␈εαstatic␈α∂to␈α∂dynamic,␈α⊂from␈α⊂scalar␈α∂to␈α∂descriptiv␈α␈e.␈α⊗In␈α∂all␈α⊂cases,␈α⊂the␈α∂motivation␈α∂for
␈βε∧␈↓ ↓H␈εαdoing␈α
this␈αstorage␈αis␈α(i)␈α
speed␈αup␈αthe␈α
recognition␈αof␈α(the␈αneed␈α
to␈αdo)␈αsimilar␈α
com-
␈βε0␈↓ ↓H␈εαputations␈αin␈α
the␈αfuture,␈α
and␈α(ii)␈α
speed␈αup␈α
or␈αev␈α␈en␈αeliminate␈α
those␈αcomputations
␈βε[␈↓ ↓H␈εαwhen␈α
y␈α␈ou␈α
decide␈α
they␈α
ARE␈α
relevan␈α␈t␈α
and␈α
y␈α␈ou␈α
wan␈α␈t␈α
the␈α
values␈α
they␈α
w␈α␈ould␈α
return.
␈βπε␈↓ ↓H␈εαThese␈αare␈αthe␈αt␈α␈w␈α␈o␈αuses␈αof␈αscripts,␈αbut␈αalso␈αof␈αcached␈αconstan␈α␈ts␈α(e.g.,␈αcaching␈αthe
␈βπ1␈↓ ↓H␈εαvalue␈αreturned␈α
by␈αO␈α␈WNED-BY,␈α
a␈αfunction␈α
from␈αCARS␈α
to␈αPEOPLE).␈α∞A␈αbetter
␈βπ\␈↓ ↓H␈εαexample:␈α∩user␈α∞models,␈α⊂as␈α∂they␈α∂range␈α∂from␈α∂a␈α∂single␈α∂n␈α␈um␈α␈ber,␈α⊂to␈α∂a␈α∞few␈α∂n␈α␈um␈α␈bers
␈βλλ␈↓ ↓H␈εα(e.g.,␈αin␈αP␈α⎇ARR␈α⎇Y),␈αto␈αa␈αdynamic␈αconcept-modelling␈αscheme.
␈βλ4␈↓ α␈εαOUTLINE:
␈βλ`␈↓ α␈εαIn␈α␈troduction:␈αModel␈α
of␈α
sys.␈αorg.␈αshould␈α
include,␈α
perhaps,␈αagenda-lik␈α␈e␈α	con␈α␈trol
␈β	␈↓ ↓H␈εαcapabilities␈α
Model␈α
of␈α
in␈α␈tell.␈α⊂should␈α∞stress␈α
the␈α
fact␈α
that␈α∞kno␈α␈wledge␈α
acrretes,␈α
but
␈β	6␈↓ ↓H␈εαonly␈αλoccasionally␈α	shrinks␈αλ(abandoning␈αλof␈α	a␈αλwhole␈α	system␈αλof␈α	though␈α␈t␈αλis␈α	quite␈αλa␈αλrare
␈β	b␈↓ ↓H␈εαev␈α␈en␈α␈t␈α
indeed.␈α←␈α
ask␈α
Kuhn!)␈αModel␈α
of␈α
computing␈α
can␈α
then,␈α
if␈α
w␈α␈e␈α
add␈α
the␈α
abo␈α␈v␈α␈e␈α
2
␈β

␈↓ ↓H␈εαpoin␈α␈ts,␈α
include␈α	this␈α
one:␈α
The␈α
half-frame␈α	problem␈α
In␈α	which␈α
the␈α	reasons␈α	supporting
␈β
8␈↓ ↓H␈εαthe␈αtasks␈αhav␈α␈e␈α
the␈αform␈α
"stiuation␈αX␈αis␈α
not␈αy␈α␈et␈α
attained,␈αbut␈α
ex␈α␈ecuting␈αme␈αwill
␈β
c␈↓ ↓H␈εαhelp␈αy␈α␈ou␈αget␈α
there"␈α(e.g.,␈αfacet␈αf␈α
of␈αconcept␈αC␈α
has␈αonly␈α2␈α
en␈α␈tries)␈αThen␈αat␈αtask-
␈β∞␈↓ ↓H␈εαchoosing␈α∞time,␈α∞if␈α∞a␈α∞task's␈α∞reasons␈α∞are␈α∂out-of-date,␈α∞it␈α∞is␈α∞most␈α∞lik␈α␈ely␈α∞that␈α∞that␈α∞is
␈β:␈↓ ↓H␈εαbecause␈αsome␈αof␈αthem␈αare␈αno␈αlonger␈αvalid,␈αhence␈αthat␈αthe␈αrating␈αof␈αthe␈αtask␈αwill
␈βe␈↓ ↓H␈εαDECREASE␈αSo,␈α
all␈αw␈α␈e␈αneed␈α
do␈αis␈α
re-evaluate␈αthe␈αtop␈α
task,␈αget␈α
a␈αnew␈αL␈α␈O␈α␈WER
␈β⊂␈↓ ↓H␈εαn␈α␈um␈α␈ber␈α
for␈α
its␈α
priority,␈α
reinsert␈α
it␈α
in␈α␈to␈α
the␈α∞agenda,␈α
etc.,␈α
and␈α
con␈α␈tin␈α␈ue␈α
un␈α␈til␈α
the
␈β;␈↓ ↓H␈εαtop␈αtask␈αremains␈αat␈αthe␈αtop.␈αThe␈αhalf-frame␈αproblem␈αgets␈αits␈αname␈αfrom␈αhe␈αfact
␈βf␈↓ ↓H␈εαthat␈αw␈α␈e␈αdo␈αhav␈α␈e␈αto␈αreevaluate␈αsome␈αtasks␈αto␈αsee␈αho␈α␈w␈αthe␈αw␈α␈orld␈αhas␈αchanged␈αout
␈β
∩␈↓ ↓H␈εαfrom␈α∞under␈α∞them,␈α∞BUT␈α∂in␈α∞general␈α∞w␈α␈e␈α∞need␈α∞only␈α∞do␈α∞this␈α∞for␈α∞a␈α∞small␈α∞n␈α␈um␈α␈ber␈α∞of
␈β
=␈↓ ↓H␈εαtasks␈αto␈α|nd␈αthe␈αbest␈αone,␈αnot␈αfor␈αALL␈αthe␈αtasks.␈αIdea␈αof␈αExpec.:␈αanother␈αpoin␈α␈t
␈β
h␈↓ ↓H␈εαis␈α∂that␈α∂expectations␈α∂allo␈α␈w␈α∂us␈α∂to␈α∂set␈α∂up␈α∂frames␈α∂in␈α∂which␈α∂to␈α∂in␈α␈terpret␈α∂the␈α∂data,
␈β∞∪␈↓ ↓H␈εαthereby␈αmaking␈αit␈αv.␈αquick.
␈β∞@␈↓ α␈εαAbstraction␈α∞As␈α∞y␈α␈ou␈α∞kno␈α␈w,␈α∂I␈α∞w␈α␈ould␈α∞lik␈α␈e␈α∞to␈α∞rpesen␈α␈t␈α∞heur.␈α∩hier.␈α∩as␈α∞a␈α∞kind␈α∞of
␈β∞k␈↓ ↓H␈εαconceptual␈αhier.␈α∂I␈αlik␈α␈ed␈α
the␈α
idea␈α
of␈αusing␈α
bom␈α␈ber␈α
sim␈α␈ulation,␈α
and␈α
will␈αcommen␈α␈t
␈β∂⊗␈↓ ↓H␈εαagain␈αon␈αthis.
␈β∂B␈↓ α␈εαCaching␈αBrian␈αSmith␈α(MIT␈αgrad␈αstuden␈α␈t)␈αgav␈α␈e␈αme␈αthe␈αgeneral␈αidea␈αthat␈αthe
␈β∂m␈↓ ↓H␈εαlisp␈αλEV␈α{AL␈α	function␈α	should,␈α	in␈α	general,␈α	hav␈α␈e␈α	a␈αλsecond␈α	argumen␈α␈t:␈α
the␈α	in␈α␈terpreter␈αλto
␈β⊂→␈↓ ↓H␈εαuse.␈α
One␈α	v␈α␈ery␈αλspecial␈α	case␈αλof␈α	this␈αλis␈αλwhere␈α	EV␈α{AL␈αλtak␈α␈es␈α	as␈αλits␈α	second␈αλargumen␈α␈t␈αλjust
␈β⊂D␈↓ ↓H␈εαa␈αresource␈αlimit␈α(time/space␈αto␈αexpend);␈αBobro␈α␈w␈αand␈αNorman␈αdiscussed␈αan␈αidea
␈β⊂o␈↓ ↓H␈εαlik␈α␈e␈αthis␈αa␈αwhile␈αback.␈αThe␈αcon␈α␈tin␈α␈uum␈αhere␈αstretches␈αfrom␈αthe␈αextreme␈αof␈αGETP
␈β⊃~␈↓ ↓H␈εα(i,e,␈αλif␈απa␈απvalue␈απis␈απstored␈αλor␈απcached␈απthere,␈αλ|ne,␈αλif␈απnot␈αλgiv␈α␈e␈απup),␈αλto␈απa␈απmore␈απsophisticated
␈β∪(

␈βα&␈↓ ↓H␈εαinheritance␈α∂search␈α⊂(accepting␈α∂caches),␈α⊃to␈α∂the␈α⊂same␈α⊂thing␈α∂but␈α⊂rejecting␈α∂caches,
␈βαQ␈↓ ↓H␈εαto␈α∞an␈α
ev␈α␈en␈α∞more␈α∞complex␈α∞deduction,␈α∞perhaps␈α∞with␈α∞searching␈α∞disk␈α∞allo␈α␈w␈α␈ed,␈α∞and
␈βα⎇␈↓ ↓H␈εα|nally␈α
to␈αINduction␈α
(try␈α
to␈αdisco␈α␈v␈α␈er␈α
concepts␈αrelevan␈α␈t␈α
to␈αansw␈α␈ering␈α
the␈α
request).
␈ββ(␈↓ α␈εαThe␈αvarious␈αheadings␈αRick␈αsuggests␈αare␈αin␈α␈terrelated,␈αand␈αthis␈αmay␈αcause␈αus
␈ββS␈↓ ↓H␈εαsome␈α	trouble␈α
later,␈α
esp.␈αif␈α
w␈α␈e␈α
don't␈α
watch␈α	out␈α
for␈α
it.␈αE.g.,␈α
the␈α
updating␈α	principles
␈ββ}␈↓ ↓H␈εαconstrain␈α	and␈α	are␈α
constrained␈α	by␈α
the␈α	storage␈α
ones;␈α
When␈α	y␈α␈ou␈α
store␈α	is␈α	constrained
␈β∧)␈↓ ↓H␈εαby␈αWh␈α␈y;␈αetc.
␈β∧U␈↓ α␈εαExpectation␈α
As␈α	stated␈α
abo␈α␈v␈α␈e,␈α
generalize␈α	this␈α
enough␈α	to␈α
include␈α	stereotyping,
␈β¬␈↓ ↓H␈εαof␈αev␈α␈en␈α␈ts␈α(scripts),␈αof␈αsituations␈α(frames),␈αof␈αpeople␈α(user␈αmodels),...
␈β¬+␈↓ α␈εαCognitiv␈α␈e␈α
econ.␈αrevisited␈α
This␈α
was␈α
quite␈α	good.␈αWhat␈α
about␈α	the␈α
future,␈α
when
␈β¬V␈↓ ↓H␈εαprocessor␈αcosts␈αdrop␈αway␈αbeolo␈α␈w␈αstorage,␈αthough?
␈βε↓␈↓ α␈εαPhil's␈αcommen␈α␈ts␈α←␈αcommen␈α␈ts␈αon␈αthem:
␈βε-␈↓ α␈εαgenerally␈αI␈αageed.
␈βεX␈↓ α␈εαThe␈α∂heuristic␈α⊂about␈α∂"better␈α∂talk␈α⊂about␈α∂Hearts,␈α⊂not␈α⊂Bom␈α␈bers",␈α⊂is␈α∂so␈α∂iv␈α␈ory
␈βπβ␈↓ ↓H␈εαto␈α␈w␈α␈er␈α
as␈αto␈αbe␈α
|t␈αmaterial␈α
for␈αSat.␈αNigh␈α␈t␈α
Liv␈α␈e.␈αUnfortunately,␈αy␈α␈ou␈α
are␈αrigh␈α␈t␈α
that
␈βπ.␈↓ ↓H␈εαa␈α
good␈αman␈α␈y␈α
AI␈αresearchers␈α
may␈αfeel␈αthat␈α
way.␈αWe␈α
don't,␈αso␈αthe␈α
hell␈αwith␈α
them.
␈βπY␈↓ ↓H␈εαI␈αdid␈αlik␈α␈e␈αy␈α␈our␈αcoun␈α␈terproposal␈αabout␈αin␈α␈t'l.␈αterrorism,␈αand␈αI␈αagree␈αthat␈αw␈α␈e␈αw␈α␈on't
␈βλ¬␈↓ ↓H␈εα|nd␈αANY␈αpro-terrorists␈αat␈αIJCAI.
␈βλ0␈↓ α␈εαExpectation-simpli|ed␈α
processing␈α
IS␈α
awkward,␈αbut␈α
the␈α
concise␈α
replacemen␈α␈ts
␈βλ[␈↓ ↓H␈εαgenerally␈α∩hav␈α␈e␈α∪v␈α␈ery␈α∩negativ␈α␈e␈α∪connotations␈α∩(e.g.,␈α∀stereotyping).␈α∨Expectation-
␈β	ε␈↓ ↓H␈εαfocusing␈αis␈αnot␈αm␈α␈uch␈αbetter␈αthan␈αthe␈αorigianl␈αterm,␈αin␈αm␈α␈y␈αopinion.
␈β	1␈↓ α␈εαLet's␈αget␈α
together␈αand␈αtalk␈α
more␈αabout␈αthis.␈α
One␈αalternativ␈α␈e␈α
to␈αthat␈αw␈α␈ould
␈β	]␈↓ ↓H␈εαbe␈α
for␈α
someone,␈α
e.g.␈α⊂me,␈α
to␈α
⎇esh␈α
out␈α∞the␈α
outline,␈α
essen␈α␈tially␈α
start␈α
writing␈α
some
␈β
λ␈↓ ↓H␈εαprose.
␈β
3␈↓ α␈εαI␈αam␈αquite␈αencouraged␈αand␈αthink␈αthis␈αwill␈αturn␈αin␈α␈to␈αa␈αgood␈αpaper.␈αDoug
␈β⊃L␈↓ ε2␈ε∧6
␈β∪(

␈β↓Y␈↓ ~␈εα7
␈βα≤␈↓ ∧&␈ε≡Ackno␈α␈wl␈α␈edgem␈α␈en␈α}ts
␈ββ#␈↓ α␈εαI␈α
o␈α␈w␈α␈e␈α
a␈α
great␈α
debt␈α
of␈α
thanks␈α
to␈αman␈α␈y␈α
people,␈α
both␈α
for␈α
the␈α
input␈α
of␈α
new␈α
ideas
␈ββN␈↓ ↓H␈εαand␈αfor␈αthe␈αevaluation,␈αchannelling,␈αand␈αpruning␈αof␈αm␈α␈y␈αo␈α␈wn.
␈ββy␈↓ α␈εαLet␈α∞me␈α∞begin␈α∞by␈α∂alphabetically␈α∞thanking␈α∞m␈α␈y␈α∞thesis␈α∞committee:␈α⊂Bruce␈α∞Bu-
␈β∧%␈↓ ↓H␈εαchanan,␈α∞Ed␈α∞Feigenbaum,␈α∞Cordell␈α∞Green,␈α∞Don␈α∞Kn␈α␈uth,␈α∞and␈α∞Allen␈α∞Newell.␈α⊃Inter-
␈β∧P␈↓ ↓H␈εαacting␈αwith␈αeach␈α
of␈αthem␈αhas␈α
been␈αan␈α
ex␈α␈citing␈αexperience,␈αand␈α
m␈α␈y␈αresearch␈αhas
␈β∧{␈↓ ↓H␈εαgreatly␈αbene|ted␈αfrom␈αtheir␈αguidance.
␈β¬&␈↓ α␈εαThe␈αfollo␈α␈wing␈αindividuals␈αhav␈α␈e␈αeach␈αinformally␈αsupplied␈αsome␈αideas␈αor␈αcom-
␈β¬Q␈↓ ↓H␈εαmen␈α␈ts␈α∂that␈α∂appear␈α∞within␈α∂this␈α∂book.␈α∃They␈α∂all␈α∂hav␈α␈e␈α∂earned␈α∂m␈α␈y␈α∂gratitude,␈α∂and
␈β¬⎇␈↓ ↓H␈εαhav␈α␈e␈α
signi|can␈α␈tly␈α	impro␈α␈v␈α␈ed␈α
the␈α
experence␈α
y␈α␈ou␈α
are␈α
about␈α
to␈α	hav␈α␈e,␈αthat␈α
of␈α	reading
␈βε(␈↓ ↓H␈εαthis␈α
book:␈α∂Dann␈α␈y␈α
Bobro␈α␈w,␈α∞Paul␈α∞Cohen,␈α
Avra␈α∞Cohn,␈α∞Randy␈α
Davis,␈α∞Bob␈α
Flo␈α␈yd,
␈βεS␈↓ ↓H␈εαCarl␈α
Hewitt,␈α
Bernard␈α
Meltzer,␈α
Donald␈α
Michie,␈α
Nils␈α
Nilsson,␈α
Earl␈α
Sacerdoti,␈α
Herb
␈βε}␈↓ ↓H␈εαSimon,␈αand␈αTerry␈αWinograd.
␈βπ)␈↓ α␈εαThis␈α
research␈α
relied␈α	heavily␈α
upon␈α
the␈α
sophisticated␈α
computing␈α	en␈α␈vironmen␈α␈ts
␈βπU␈↓ ↓H␈εαpro␈α␈vided␈αby␈αSAIL,␈αSRI,␈αSUMEX,␈αand␈αXER␈α␈O␈α␈X-P␈α⎇AR␈α␈C.
␈βλ␈↓ α␈εαAround␈α∂this␈α∂poin␈α␈t␈α∞in␈α∂the␈ε∂␈α∂Ackno␈α␈wledgemen␈α␈ts␈εα,␈α∂most␈α∂books␈α∂and␈α∂theses␈α∞hav␈α␈e
␈βλ+␈↓ ↓H␈εαsome␈αλsort␈α	of␈α	tribute␈α	to␈αλthe␈α	author's␈α	wife.␈αUn␈α␈til␈αλI␈α	was␈α	in␈α	the␈αλthroes␈α	of␈α	this␈αλresearch,
␈βλV␈↓ ↓H␈εαI␈α∂nev␈α␈er␈α∂fully␈α∂appreciated␈α∂the␈α∂importance␈α∂of␈α∂such␈α∂support.␈α∀So␈α∂let␈α∂me␈α∂sincerely
␈β	↓␈↓ ↓H␈εαackno␈α␈wledge␈αλthe␈α	indispensable␈α	aid␈αλI␈α	receiv␈α␈ed␈α	from␈αλMerle,␈α
m␈α␈y␈αλw␈α␈onderful␈α	wife,␈α	who
␈β	-␈↓ ↓H␈εαput␈α
up␈α∞with␈α∞in␈α␈v␈α␈erted␈α∞schedules␈α∞and␈α∞who␈α
gav␈α␈e␈α∞me␈α∞the␈α∞con|dence␈α∞to␈α∞tackle␈α
this
␈β	X␈↓ ↓H␈εαproblem␈αand␈αthe␈αen␈α␈th␈α␈usiasm␈αto␈αk␈α␈eep␈αgoing.
␈β∪(/FONT#2=cmr10[XGP,SYS]=∂!"&'(),-./0123456789:;<>?@ABCDEFGHIJKLMNOPQRSTUVWXY[]↑←abcdefghijklmnopqrstuvwxyz{|⎇}}/FONT#4=cmr8[XGP,SYS]=01266/FONT#14=cmsc10[XGP,SYS]=CDEGIMNORTUVYY/FONT#15=cms10[XGP,SYS]=Acdegklmnostww/FONT#28=lenati[am,dbl]=CEGIMNOTVYY/FONT#29=cmssb[XGP,SYS]=.1Icdinortuu/FONT#30=lena[am,dbl]=.1ABCDINORSTUcdegklmnostww/FONT#31=cmss8[XGP,SYS]=,-.BCDFHKLPRSUacdefghiklnoprstuvyy/FONT#32=cmsss8[XGP,SYS]=.12COcdegilmnorstuvyy