波拉克在象征主义和连接阵营中都有脚。他开始作为一个Lisp骑师（Lisp是List Programming的缩写，一种早期的高级编程语言），在大型机上做以前被称为“知识工程”的工作。
知识工程的目标是开发所谓的专家系统，一种符号AI的方法。这个想法很简单：人们的大脑充满了事实，人们根据逻辑规则基于这些事实做出决定。如果你把一些技术领域的所有相关事实（例如内部医学）加载到一台计算机中，然后编写决策规则（在Lisp中），根据真实世界的问题编组适当的事实，如果你有一个足够强大的解析器一个程序，解释问题和拉出适当的事实），然后，实际上，你会创造一种脑 - 一个内科医生的大脑 - 在计算机内。这些类型的结构也称为基于规则的系统。知识工程的梦想是一个富有规则的专家系统有一天能够处理自然人类语言。但是，这个理论没有达到它的早期承诺（这就是为什么我们仍然去打高尔夫球的医生）。
随着步步高游戏在他身后，Pollack解释了幻想。 “要获得任何基于规则的系统来真正模拟人类的想法，你需要许多很多很多规则;不仅从编程的角度来看这是非常困难的，但即使你确实写了所有这些规则，你仍然缺乏一些重要的东西，我意识到人类心理学与你运行Lisp程序时的本质不同。他暂停想想如何说明差异。 “天文学家结婚了一个明星，”他笑着说。 “这是一个英语合法的句子：你和我可以从中提取一些意义，但我不能设想一组规则，将使计算机能够以我们的方式解释。
这里是波拉克搬到连接阵营。 “不可避免的事情，”他解释说，“人类的行为是复杂的，它来自复杂性，所以你需要100亿，1000亿的东西，我决定，事情不会是规则。
然后怎样呢？可能是神经网络中的节点之间的连接？通过网络的可能路径？ “有点像，”波拉克回答。 “这不是完全清楚什么，但至少对我来说是明确的，它不会是100亿条规则。无论理论方面，在实践中它不能做。
波拉克指的是一个早期程序员弗雷德里克布鲁克斯称为“神话人月”问题的版本。当他们开始写大项目时，他们认为编程类似于工业中的其他团体活动，如建设大坝或工厂。如果工作速度不够快，你增加了几百个人月，工作速度加快了。但是当他们试图对程序员这样做时，不仅工作不加速，它减慢了。集成单个程序员的工作，使所有代码作为一个功能整体一起工作变得几乎不可能，因为程序元素之间的内部通信不兼容。
“现在运行的最大的程序大约有1亿行代码，他们非常难以维护，”波拉克说。 “坐下来，写一个心灵，即使假设你知道写什么，会花费什么？十亿线？这是在天气预测相同的类，我想我们终于放弃了，你不能但AI的创始人仍然有这个天真的想法，你可以攻击心理学象征性地，形式化的心态，并编程。
波拉克和我离开实验室，走回他的办公室，这是典型的小学术盒子。当他打电话时，我花时间看看房间。许多人已经注意到，对于编程计算机的人所要求的精确精度并不经常反映在他们的物理环境中。这里，每个水平表面，包括地板，都有堆叠，堆叠的纸没有明显的顺序。在墙上是会议的海报波拉克正在组织的过程中。会议称为从动物到动画，在海报上是一幅画与一个闪亮的机械龙虾的老鹰跳舞。
他下了电话，我问他一个他前面提到的感知器纸的副本。毫无疑问，他从一个桩和手中拉出一个副本;我意识到这种检索将很难使用符号AI编程。我们简要地谈谈他的会议 - 显然真的有一个赢咖4龙虾存在（当然是神经网络设备，虽然它实际上不是与老鹰跳舞。我们谈论了让龙虾般的行为从机器中出现的难以置信的困难，然后他再次开始关于AI。
“让我使用一个航空学的比喻，”波拉克说。 “你必须明白这个隐喻对于象征主义论证的重要性，他们希望你能够认为非多边形的方法就像那些愚蠢的扑翼飞机，你总是在老电影中看到崩溃，所以，故事发生了，但是几年前，我实际上看了赖特兄弟在做什么和想什么，这根本不是这样的。
波拉克解构了AI和机械飞行之间的类比，指出了Wrights的真正成就不是几个世纪以来的机翼，甚至不是内燃机的使用。其他人在Wrights之前使用过，他们的大部分设计都坠毁和烧毁。为什么？因为飞行员试图简单地通过移动他们的身体的重量来保持飞机的平衡 - 这种技术在轻型滑翔机中工作良好，但在较重的机器中变得无效。正如波拉克解释道，“这是一个缩放问题，Wrights发明了什么，什么使机械飞行成为可能的主要是副翼，一个控制面，他们从哪里得到它？从学习翱翔的鸟！看，飞行演变。然后你有能力使用尾翼羽毛作为副翼来平衡风流。波拉克的观点是动机是最后的。因此，专注于所有的拍打，掩盖了真正的成就，这是精确的控制。
类似地，实际工作的符号AI程序类似于小的轻便滑翔机。要使它们运行所必需的代码调整很像是飞行员移动他的身体来平衡飞机。但是超过一定的大小，你不能保持稳定的方式：一旦这些程序达到约1000万行代码，他们将在自己的重量下崩溃。缺少的是某种控制原理，将保持程序的动态连贯性 - 飞机 - 面对有风的天空。
关于Wrights和电子龙虾的谈话让我想起了伟大的烘焙匠给予这个世界的什么，它打击了我，Pollack，也许连接主义者一般是这个品种 - 谁想要炒作的东西，与无限小单位的类似物包在我们的头骨，连接在一起，产生思想。我问波拉克，如果他发明的东西，有点懦弱，他说，他做，并带出一个黑色塑料单位的大小和形状的ocarina覆盖着小按钮。他把它插入一台笔记本电脑，平衡在一堆纸上，单手，开始在屏幕上产生文本。它是一只老鼠;它是一个键盘。我喜欢它，发现它通常波拉克 - 它很简单，它的有用，它的工作原理。
由于AI的更宏伟的希望的失败，Pollack对于连接主义方法可以做什么非常谨慎。他当然不会假装有解决软件工程危机的关键，但他认为其解决方案在于自下而上的发展系统。这意味着开发强大和稳定的程序类元素锁定到长期，gamelike情况。
“短期内我想做的，”波拉克解释说，“显示如何从相对简单的初始程序学习复杂的行为，没有做出宏伟的声称 - 要点是显示功能的实际增长，而不仅仅是谈论认知理论或生物似然性“。
为了实现这种增长，Pollack专注于称为共演化的AI技术。在生物学中，共生定义了物种改变他们的环境和彼此的方式，以及改变的环境反馈以进一步改变生物群的方式。 （一个典型的例子可以通过研究史前地球：厌氧生物体形成和适应贫氧环境;通过eons，他们的副产品产生了一个富含氧气的环境，然后他们的后代必须适应）。在机器版本，你在一个环境中建立了大量的学习实体，挑战他们在一些简单的任务中取得成功，例如为玩家做随机，法律动作而赢得游戏。当这些实体成功时，允许它们再现。因此，玩家的总体在游戏中变得更好。 （在神经网络代码层面上的“更好”意味着简单：获胜策略被分配更大的“权重”。权重越高，玩家越有可能使用该策略。获胜的行为是分配权重，很像现实生活中。）为了在这个变化的环境中生存，后代必须变得更好。也就是说，一旦每个人都可以击败随机玩家，你必须做更好的动作，打败后代的玩家。波拉克称这是“军备竞赛”。
除此之外，波拉克告诉我一个问题，出现在早期的西洋双陆军军备竞赛 - 这种现象波拉克称为巴斯特道格拉斯效应后，不幸的哈巴狗，最近成为，极其简短地，世界重量级冠军。步步高是一个机会和技能的游戏，所以有可能一个冠军与一个伟大的战略，失去一个运气的duffer运气。该项目的博士后，艾伦·布莱尔，很快弄清楚如何通过交叉冠军与一个成功的挑战者，而不是替换它的效果。
使用自我挑战性计算机来掌握认知领域（如游戏）的技术已经从AI的开始就一直存在，但是长期以来一直被归入领域的边缘，因为正如Pollack解释的，“计算机经常来特别是一个问题在确定性的游戏 - 没有随机元素的游戏，如ticktacktoe和国际象棋，发生的是，竞争的程序可能倾向于忽略有趣的，更困难的类型的游戏，并在一个平庸的稳定状态，他们玩无尽的绘制比赛收敛。它看起来像竞争，但它实际上是一种合作的形式。在人类教育中看到类似的东西 - 但是几年前，IBM的Gerald Tesauro开发了一个自助的西洋双陆棋网络，成为最好的西洋双陆棋之一世界上的球员“。
