我們的生活並不是每次都從頭重新思考一切。透過把以前有效的方法、學到的規則以及他人的經驗作為知識來使用，我們可以更快地作出判斷。知識的價值，在於能夠把過去帶到現在。然而，這種便利也包含著相反方向的風險。過去正確的事情，並不意味著今天在相同條件下也一定正確。使用知識，與把現在強行套進過去的模式，是兩回事。
例如，即使某種學習方法以前取得了良好結果，下一項任務所需要的能力或可使用的時間也可能不同。「以前成功過」這一事實很重要，但僅憑這一點，並不能確定同一種方法現在仍是最佳選擇。如果直接把成功案例變成規則，就會在確認當前差異之前先把答案確定下來。知識越有說服力，我們有時反而越容易忽略那些不符合該知識的細微變化。
由於AI能夠利用大量過去的資訊，它與這個問題有著很深的關係。AI擅長從過去的案例中尋找相似情形，並呈現一般趨勢。但相似並不等於相同。如果當前的人、目的、環境或限制條件有所不同，過去知識的使用方式也會隨之改變。AI對過去了解得越多，「過去一直如此」這種說明就越可能顯得有說服力，因此需要有意識地處理當前與過去之間的差異。
為了避免把知識直接平移到現在，一種方法是不要把知識當作答案，而是把它當作比較的材料。我們可以重新問：「過去在這些條件下，這種結果很常見。那麼現在這些條件仍然成立嗎？」只增加這一個步驟，知識就會從支配現在的規則，轉變為理解現在的假設。重點不是拋棄過去，而是在過去與現在之間保留一段用於驗證的距離。
即使知識具有很高的可靠性，這種距離仍然必要。即便是已經充分確立的知識，也有界定其適用範圍的條件。一般規則可能是正確的，但並不一定能直接適用於每一個具體情境。重要的問題不僅是「這個知識正確嗎？」，還包括「在這裡使用這個知識的條件是否具備？」即使知識本身正確，如果忽略其適用條件，也可能導致錯誤的判斷。
人的經驗也是如此。長期累積的經驗有助於我們迅速理解情境。然而，經驗越豐富，我們有時越容易把熟悉的模式套用到新的事件上。正是在我們覺得「這和以前一樣」的時候，更需要確認哪些地方相同、哪些地方不同。擁有知識與不受知識束縛並不矛盾。相反，要讓知識長期保持作用，這種態度是必要的。
當AI掌握關於一個人的過去資訊時，這一原則就更加重要。以前的偏好、過去的判斷以及反覆出現的行為，都可以成為理解現在的線索。但人會改變。如果把過去的趨勢變成「這個人就是這樣的人」這樣的固定形象，AI可能看起來理解了這個人，卻同時逐漸遠離現在的本人。過去可以成為預測現在的材料，但過去並不是現在的本人。
在Sai＊aus中，知識的作用同樣不只是增加累積的數量。重要的是，能夠處理已經累積的內容與當前對話之間存在的差異。可以利用先前的理解，同時根據現在的話語對其進行修正。即使過去的資訊有用，也不應把它置於一個人當前的意願之上。有了這種關係，知識就不僅不會被用於塑造固定的人物形象，也可以被用於發現變化。
過去的正確答案有助於今天的判斷。但它們不會預先決定今天的正確答案。知識不是現實的替代品；它是我們可以隨身帶著、用來檢驗現實的經驗。如果在過去與現在之間保留距離，我們就能在不丟棄累積知識的同時，接納新的差異。使用我們已經知道的東西，同時仍然再次審視現在——這種態度會把知識從僵化的答案轉變為鮮活的理解。
不是答案，而是理解。
━━━━━━━━━━━━━━━━━━