面对这种困境，无论理性主义传统多么有权威，认知主义多么有说服力，我们都必须以新的眼光来看待下面两个问题，即技能是什么和专家在获得专家技能时获得了什么。传统观点认为，一个初学者是从具体事例中开始学习的；当他变得比较熟练时，就会抽象出愈多的高级规则（sophisticated rules），并将这些规则内化到心中。我们必须做好摒弃这一传统观点的准备。技能习得的方式与此恰恰相反：从抽象规则到具体事例。我将集中探讨具有卓越认知技能的象棋游戏程序。但现在，我举开车的例子来说明这个由斯图尔特·德雷福斯（Stuart Dreyfus）和我提出的如下模型的普遍性。
阶段一：初学者
在通常情况下，传授过程是这样开始的。首先，指导者把任务环境分解成无语境的特征（context-free features）。初学者无需借助经验就能辨认出这些特征。然后，初学者被给予一些根据这些特征来确定行动的规则，就像计算机遵循程序一样。
学开车的人学习辨认像速度（由速度计指示）和距离（由先前所获技能来估计）这样的无解释的特征（interpretation-free features）。安全行车距离依据速度来确定；允许安全进入交通的条件依据速度和与迎面来的车之间的距离来确定。学开车的人学习诸如这样的规则：当速度计指针指向每小时10英里时，就要调至二挡。
象棋新手学到了每一种棋子的数值而不管其位置，和这样一个规则： “如果吃掉棋子的总值大于被吃掉棋子的总值，那么对弈者就要易位。”这个新手也认识到了：在找不出任何有优势的易位时，就应寻求中心控制；并且，他获得了两个规则，一个用于规定中间的方格， 一个用于计算控制的范围。
阶段二：高级初学者
当新手真正地获得处理真实情境的经验之后，他就会开始注意到（或由指导者指出）一些明白易懂的例子，这些例子是构成这一情境的有意义的附加成分。在观摩了足够多的例子之后，学生学会了如何识别它们。现在，指导性准则（instructional maxims）就可以指称这些新的情境要素（situational aspects)。
我这里使用了“准则”和“情境要素”两个术语来区分这种形式的指导和前面所讲的指导。在前面所讲的指导中，给定严格规则（strict rules）以应对无语境的特征。由于准则是根据情境要素来被表达的，所以它们已经预设了技能领域中的经验。这一术语我是从迈克尔·波兰尼(Michael Polanyi)那里转借过来的。在他看来：
（广义上）准则就是规则。对准则的正确使用构成了受其支配的技艺的一部分。打高尔夫球或做诗的真正准则有助于提升我们对高尔夫球或诗的问见，甚至给予高尔夫球手或诗人以富有价值的指导；然而，这些准则如要试图取代高尔夫球手的技能或诗人的才艺，那么它们将会把自己置于荒谬的境地。准则不能被理解。它们对于不熟悉本技能领域的人仍很少具有适用性。
学开车的高级初学者除了使用（非情境的）速度之外，还使用（情境的）引擎声音。他学习这样的规则：当发动机听起来空转时，就换至高速挡；当听起来张紧时，就换至低速挡。通过观察行人或其他司机的举止、位置和速度，他学会了如何区分心不在焉或醉驾司机的行为和不耐烦但还警觉的司机的行为。然后，他就能运用准则来判定在各种情况下如何前行。在学习这些准则的过程中，任何话语都不能取代那些精选的少数范例。引擎声音不能通过话语来恰当地捕捉；客观事实也不能使人预测人行道上的行人行为，即便是观察过许多行人在各种情况下穿过街道的司机也做不到这一点。
类似地，具有一定经验的学象棋的人开始辨别棋子位置的情境要素，如王被削弱的侧翼或强卒布局（a strong pawn structure），尽管他缺少一些准确而又普遍适用的定义性规则。然后，他被给予一些遵循的准则，如“攻击王被削弱的侧翼”。
阶段三：胜任
随着经验的不断累积，操作者（performer）要考虑的特征和情境要素的数量变得非常巨大。为了处理这种巨扯信息，操作者自己学会或被教会采取一种关于决策的等级看法。首先选取一个计划、目标，或一个用以组织情境的视角；然后只检查一系列他学过的特征和情境要素与这个计划是否相关；这样，操作者就能简化并提高自己的行为。
一位胜任的司机驶离高速公路，进入了一个匝道。他在考虑了速度、路况、时间紧迫性等因素之后，可能会觉得自已开得太快了。然后，他必须决定减速，踩刹车。当能安全穿越匝道时，他便如释重负；当车子打滑时，他便胆战心惊。
甲级棋手（指胜任的棋手）在研究了当前棋子的位置之后，可能会做出这样一个判定：对手削弱了自己王的防守，所以攻击对方的王是一可行的目标。如果选择了这种进攻，那么一些特征（包含这种进攻所创造的位置中的削弱性）就会被忽略掉，因为丢掉的棋子对于这个进攻而言是不重要的。这样，移掉棋子以防守敌方的王将变得尤为重要。成功的计划会令人欣慰，但稍有出错便会让人揪心不已。
从以上两个例子中，我们发现了一个共同模式：独立制订计划，有意识评估与计划有关的要素，分析规则指导下的行动选择，伴有对结果的情感体验。
这种体验是情感的，因为对于一个胜任的操作者而言，选取一个计划、目标或视角并不是简单的事情。没有谁能给出一个推断出某一视角的有用秘诀，所以胜任的操作者必须制定各种规则。然后，他依据规则的运行方式来决定是采取还是丢弃这些规则。但这一过程是令人沮丧的，因为每一规则在有些场合有效，在有些场合无效，而且也没有任何与这些成功或失败紧密关联的客观特征和主体方面。当有足够多的实例使得高级初学者能够轻松明确地辨认时，他将不再使用具体情境要素的特征。胜任地表现需要选取一个组织的目标或视角。因此，这一选择虽有风险，但不可避免。而且，选择视角对行为起着关键性作用，而一个特殊的情境要素则几乎不起作用。
这种必然性和不确定性的结合，引出了操作者与其环境间的一种新关系。新手和高级初学者在运用规则和准则时，很少或几乎没有感到要为自己的行为后果负责。如果他们没有犯错，那么一个不幸的结果就会被看作是由不恰当的特定要素或原则导致的。另一方面，一位胜任的操作者在反复考虑选择什么样的视角或目标之后，会感到要为自己选择的后果负责。因而，结果包含了操作者的情感。成功的结果是非常令人满意的，而且还会留下对所遭遇情境的鲜明记忆。这一情境是由最终选择的目标或视角来审视的，如灾难就不易遗忘。
因而，被记住的全部情境在某一重要方面就不同于被记住的情境要素。对一个情境要素的心理意象是模糊的，没有任何部分表现得特别明显。另一方面，由于一个整体情境是选取某个计划或视角的结果，所以它具有“立体性特征”。某些与计划有关的要素表现出或多或少的重要性，而其他不相干的要素则被忘却了。另外，胜任的操作者受制于自己决策所产生的清境。他不但经历着情境中的前景和后景要素，还经历着情境中的自我参与机会（ego-involving opportunity）、风险、期望、承诺等。这些扣人心弦的整体记忆并不能指导胜任的操作者的行为，因为依照认知主义的看法（即把他看作是一台计算机），当他以一个遵循规则的独立观察者身份考虑这些问题情境（problematic situations）时，他便不能与这些记忆发生联系。然而，正如我们将要看到的，如果他被这些吸引人的整体经验所占据，那么它们将成为这一胜任的操作者技能进一步提升的基础。
阶段四：熟练
胜任层次上的丰富经验为进一步提升技能创造了条件。在经历了许多情境，在每一种情境中选取计划，并获得对该选择的恰当性或不恰当性的证实之后，操作者就会自然地把一个合适的视角与类似于以往经历过的当下情境联系起来。技能领域中的操作者“注意到”某一计划、目标或视角，或者对这些东西”产生了深刻印象”。这种联系是由联想而不是推理来完成的，所以参与的“魔咒“无需通过分离的有意识选择来打破。
一般而言，由于“观察方式”要比“行动方式”少得多，所以熟练的操作者在把问题或视角与当下情境联系在一起（这一过程无需任何有意识的努力）之后，仍必须考虑要做什么。在这一思维进程中，那些表现突出的要素由规则和准则进行评估和组合，最终产生处理当下情境的最佳决策。
熟练的司机在下雨天驶近弯道时，凭借先前的经验可能觉得自已开得太快了。然后根据这些显著的要素，如能见度、拐弯斜坡、时间紧迫性等（胜任的司机利用这些要素来确定他开得太快了），来决定自己是把脚撤离油门还是踩刹车。
熟练的棋手（名家）能识别各种类型的位置。对一个位置的感觉，棋手几乎是立刻识别到的，而无需任何有意识的努力。然后，他开始计算到达目标的最佳走法。例如，他可能知道自己应该进攻，但他必须详尽地考虑这样做的最佳途径。
阶段五：专家技能
熟练的操作者完全投入他的技能活动中，他知道需要做什么，但必须确定如何去做。由于熟练的操作者拥有对各种情境的足够经验，并且这些经验都是以同一个视角来审视的，但需要不同的策略决策，所以他似乎能逐渐地把目标或视角，甚至还有行动与情境联系起来。因此，对专家而言，涌现在他的头脑中的，不仅有情境性的理解，还有相关的恰当反应。
在大多数情境中，象棋专家（即国际象棋名家或大师）经历着一种对问题和最佳走法的不可抗拒的感觉。出色的棋手每5—10秒就能走一步，甚至更快，并且他们无需在行为表现中进行任何严格的降解（degradation）。要达到这样的速度，他们几乎必须完全依赖于直觉，而不依赖于对多种选择的详尽分析和比较。斯图尔特·德雷福斯最近做过一个试验。在这个试验中，一位叫卡普兰（Julio Kaplan）的国际象棋名家，被要求以每秒约1个数字的速度快速添加摆在面前的数字。与此同时，让他以每5秒走一步的速度与一位稍差一点（但处于名家水平）的对手对弈。即使卡普兰的有意识的分析思维完全被添加数字的活动打断，他也能轻松地与对手对弈。在被剥夺了用以分析间题或建构计划所必需的时间和资源之后，他依然能进行流畅而又协调的对弈活动。
在我们意识到棋子的位置之于职业棋手，就像迎宾队伍中的面孔之于职业政客一样，是有意义、有趣和重要的时候，卡普兰的表现就没有什么值得令人惊异的地方。几乎任何人都可以在添加数字的同时，识别面孔并做出反应，即使每张面孔从未准确地匹配过先前所见过的面孔。职业政客能识别成千上万张面孔，就像卡普兰能识别相似于他先前遇到过的成千上万的棋子位置。同样，象棋的建立在经验基础之上的可识别清境种类的数目也一定是巨大的。（据统计，象棋名家能区分约50,000种位置。）这两个例子中的识别都是一种直接的直觉反应。
类似地，汽车驾驶也有一种辨别大量典型情境的能力。一般而言，专家型司机无需任何意识，仅凭感觉和熟悉就能知道什么情况下需要减速；无需计算和比较选择就能知道如何做。他在合适的时候换挡，并对众多的复杂情境做出几乎无意识的反应。凡必须做的，已经做了。
从这一技能模型中，我们可以得出：初学者使用严格规则和特征来进行推理，就像计算机执行启发性程序一样，但有才华和丰富经验的初学者能成为一名专家他完全不使用规则或推理，只需根据以往经验就能对当下情境做出直觉反应。认知主义准确地描述了初学者和面对陌生情境的专家，却没有捕捉到这样一个事实：专家通常不解决问题。专家并不进行推理。他只是在娴熟地做其经验中已习以为常的事情。
如果有人向专家质询严格规则，那么他将会迫使专家退至初学者水平，并迫使专家讲述那些他仍然记得但实际上已不再使用的规则。如果有人把这些规则编程并装入计算机，那么他可以利用计算机的速度和精确性，以及它存储和访问数百万数据的能力，来胜过一个使用相同规则的人类初学者。然而，任何规则和事实都不能捕捉到专家所具有的知识。这些知识是专家在对成千上万情境的实际结果的经验内化后获得的。
，可恶，居然比我认为的还要向下
