我们的生活并不是每次都从头重新思考一切。通过把以前有效的方法、学到的规则以及他人的经验作为知识来使用，我们可以更快地作出判断。知识的价值，在于能够把过去带到现在。然而，这种便利也包含着相反方向的风险。过去正确的事情，并不意味着今天在相同条件下也一定正确。使用知识，与把现在强行套进过去的模式，是两回事。
例如，即使某种学习方法以前取得了良好结果，下一项任务所需要的能力或可使用的时间也可能不同。“以前成功过”这一事实很重要，但仅凭这一点，并不能确定同一种方法现在仍是最佳选择。如果直接把成功案例变成规则，就会在确认当前差异之前先把答案确定下来。知识越有说服力，我们有时反而越容易忽略那些不符合该知识的细微变化。
由于AI能够利用大量过去的信息，它与这个问题有着很深的关系。AI擅长从过去的案例中寻找相似情形，并呈现一般趋势。但相似并不等于相同。如果当前的人、目的、环境或限制条件有所不同，过去知识的使用方式也会随之改变。AI对过去了解得越多，“过去一直如此”这种说明就越可能显得有说服力，因此需要有意识地处理当前与过去之间的差异。
为了避免把知识直接平移到现在，一种方法是不要把知识当作答案，而是把它当作比较的材料。我们可以重新问：“过去在这些条件下，这种结果很常见。那么现在这些条件仍然成立吗？”只增加这一个步骤，知识就会从支配现在的规则，转变为理解现在的假设。重点不是抛弃过去，而是在过去与现在之间保留一段用于验证的距离。
即使知识具有很高的可靠性，这种距离仍然必要。即便是已经充分确立的知识，也有界定其适用范围的条件。一般规则可能是正确的，但并不一定能直接适用于每一个具体情境。重要的问题不仅是“这个知识正确吗？”，还包括“在这里使用这个知识的条件是否具备？”即使知识本身正确，如果忽略其适用条件，也可能导致错误的判断。
人的经验也是如此。长期积累的经验有助于我们迅速理解情境。然而，经验越丰富，我们有时越容易把熟悉的模式套用到新的事件上。正是在我们觉得“这和以前一样”的时候，更需要确认哪些地方相同、哪些地方不同。拥有知识与不受知识束缚并不矛盾。相反，要让知识长期保持作用，这种态度是必要的。
当AI掌握关于一个人的过去信息时，这一原则就更加重要。以前的偏好、过去的判断以及反复出现的行为，都可以成为理解现在的线索。但人会改变。如果把过去的趋势变成“这个人就是这样的人”这样的固定形象，AI可能看起来理解了这个人，却同时逐渐远离现在的本人。过去可以成为预测现在的材料，但过去并不是现在的本人。
在Sai＊aus中，知识的作用同样不只是增加积累的数量。重要的是，能够处理已经积累的内容与当前对话之间存在的差异。可以利用先前的理解，同时根据现在的话语对其进行修正。即使过去的信息有用，也不应把它置于一个人当前的意愿之上。有了这种关系，知识就不仅不会被用于塑造固定的人物形象，也可以被用于发现变化。
过去的正确答案有助于今天的判断。但它们不会预先决定今天的正确答案。知识不是现实的替代品；它是我们可以随身带着、用来检验现实的经验。如果在过去与现在之间保留距离，我们就能在不丢弃积累知识的同时，接纳新的差异。使用我们已经知道的东西，同时仍然再次审视现在——这种态度会把知识从僵化的答案转变为鲜活的理解。
不是答案，而是理解。
━━━━━━━━━━━━━━━━━━