模型，特别是源模型，是由已经得到验证的部分和作用机制（生成器）组成的，隐喻则指出了源模型中那些与目标模型相对应的组成元素。模型和隐喻中都包括一些已经得到很好验证的部分，它们的组合将使观察者对事物产生全新的认识。
1994年，艾柯在谈到某位作家的剧作时，曾这样说：
作为德谟克利特和伊壁鸠鲁理论的继承者：他罗列了大量原子的概念，用不同的形式来组织这些概念，最终形成由它们组成的事物……没有一位剧作家可以用那些可能而平淡无奇的事情演绎出离奇而精彩的剧目，所以他们会对那些出人意料的演出感到满意吗？
一旦选定了积木块——原子、各组成部分、生成器，接下来主要的创造性活动，就是依据积木块不同组合的概率进行选择性的探索。于是自然就产生了一个问题：如何去选择呢？
选择的探索和游戏中对各种状态（对策树）出现概率的探索非常类似。如果将游戏中的规则作为积木块（生成器），那么在国际跳棋程序中塞缪尔就要选择最有利的（能够获胜的）棋子组合。他根据一些选定的特征来重新看待游戏，从而在游戏规则的约束下，使每一个特征都能够很容易地被估算出。塞缪尔对游戏的重新看待，同麦克斯韦重新认识电磁现象十分类似。后者是根据流体力学模型的特征来认识电磁现象的，而这些特征都是人们熟知的，也很容易验证。那么又一个问题出现了：麦克斯韦是如何选择特定源模型的呢？塞缪尔又是如何确定他所使用的那些游戏特征的呢？
这种直觉的跳跃到现在还是未解之谜。尽管包括我在内的许多人都认为，这种关于创造过程并且能够得到很好定义的模型可能是存在的，但目前为止还没有一个这样的模型，所以，我们并不了解这些创造过程，只能依靠猜想。然而，在加强创新活动方面，我们还是可以做一些事情的。
训练
对于在各个领域奋斗的人来说，上述问题的部分答案可能并不陌生，无论他所从事的是打网球、演奏钢琴、写诗还是构建科学模型，创新的一个必经之路就是训练。只有对所在行业或学科的元素（积木块）熟练到根本不必细想就能运用自如，才能进入创新的阶段。如果你是一名网球运动员，在比赛中只顾注意每个击球动作上，那就无法注意到比赛的整个过程、对手的体力状况、他的缺点和策略等信息。如果你是一位钢琴师，在弹钢琴时不得不把注意力集中在指法上，那你无法听到音乐的整体旋律。在这些专业中，对局部细节的关注都妨碍了对整体概念的认识，在其他专业中也存在这样的现象。
那些想逃避严格训练的学生经常这样讲：“我只要查一査书本就清楚了。”这种方法与其说能对脑力加以训练，倒不如说是在对手指肌肉进行训练。不通过训练，只靠广泛的阅读，没人可以把网球打得很好或者弹得一手好钢琴，仅靠“査一査”就更不行了。对于脑力的训练也是这样。广阔的眼界、在多个可能中做出有效的选择，都必须建立在对积木块运用自如的基础上。
积木块的选择
在切实掌握与要达到的目标相关的积木块之前，我们是不能从训练阶段进入后续的实际操作阶段的。如果训练中出现的各种问题和现象已经得到了很好的解决，一般情况下，我们也就掌握了这些积木块。对于大多数练习者而言，他们所掌握的积木块是经过实践验证和筛选的。在一定程度上，这正是训练要达到的效果：获得同训练有关的积木块以及掌握相应的技巧。如果我们学习物理，就需要掌握运动、物质、能量和传递它们的力的基本知识；同时还要学习相关的工具，比如微积分。如果我们学习诗歌，就需要掌握有关韵律、节拍、修辞以及一些诗词歌赋的标准格式，同时还要学习运用一些评价工具来验证我们的想法和创意。其他的专业也会有类似的要求。
不受那些看似简单的描述所误导，这一点也很重要。学会如何利用积木块不仅需要相当长的时间，而且人与人之间的个体差异也至关重要。专业和隐喻在这一点上是相似的：它们都包括一些难以用语言表达的复杂内容。只有通过长时间的投入，才会对专业有“感觉”，但并不是投入了就能获得那种感觉。通过长时间的训练，会使人越来越适应所从事的工作，但正如打网球和弹钢琴那样，很少有人能够在其从事的领域出类拔萃。这是一个谜，它提醒我们，关于创造过程的定义还缺少很好的模型。对一部分人而言，各种积木块如同火花四溅一样相继出现，他们似乎能够毫不费力地掌握了一个又一个；而另一部分训练者虽经历相同的训练，得到的积木块却很少，即使最终有所创新，也是经过了艰苦的努力；此外还有一部分人，即使经过长时间的训练，能够理解已存在的事物，却无论如何也创造不出新的东西。
如果能更好地理解创造过程，就可能改变投入的结果，这一点我们并不是很确定，但可以确定的是，孕育创新的自底向上的筛选过程有潜意识层次的成分。一个定义很好的过程模型，一定不会局限于“意识流”式的描述。我曾经讲过，我确实认为人们是能够对这种成分建模的，只是还有相当长的路要走。
如果没有相应的专业会怎样呢？如果在标准框架内，那些有意思的现象和问题无法解决又会怎样呢？这正是麦克斯韦曾经面对的部分问题，他感兴趣并进行研究的电磁现象，在当时的科学框架中无法得到很好的解释。这时，极具洞察力的思维转换，如果你愿意，也可以称之为隐喻，就开始起作用了。麦克斯韦对于各种物理学知识运用自如，让他能够建立源模型，很好地实现了思维转换。
还有一点，对训练的投入是取得进展的必要而非充分条件。对于麦克斯韦而言，没有长时间对各种物理学知识的积累，就无法建立他的源模型。我们对麦克斯韦建立源模型的洞察力所知甚少。它包括发现潜在机制共同点的能力，而这是最重要的。“找到背后隐藏的机制”这句话很有用，但很笼统。我们只知道，当目标问题在已知学科中无法解释时，熟悉一些“相近”学科的知识，非常有助于从源到目标的转换。这种对“相近”事物的感知能力是我们称之为洞察力的神秘特性的一个组成部分。
探索更大的模式
一旦能够熟练运用选定的积木块，接下来的关键是察觉由这些积木块所能组合成的各种有创意的模式。因为发现新的积木块是很少发生的事情，所以多数创新都是利用已存在的各构件并对其进行重新组合产生的。例如，内燃机和数字计算机出现时，它们的积木块都已经在多年以前，甚至几个世纪前就存在了。就内燃机而言，它的积木块有齿轮、文丘里泵(13)、由伽伐尼（Galvani）发明的点火装置等。而对计算机而言，盖革（Geiger）的粒子计数器、阴极射线管等技术也早已成熟（Burke, 1978）。
即使掌握了相同的积木块，也可能有不同的创新。语言中的单词或音乐中的主旋律提供了这些学科中的标准积木块，它们总是会产生永无止境的创新。当然，在写作和音乐中，也包括其他高层次的积木块，然而，这些高层次的积木块仍然是由单词与和弦构成的，正如单词与和弦又来源于更基本的元素：字母和音阶。
我们又一次看到了还原富有创造性的一面。一个新单词，它的字母原来就存在，字形和发音的元素也与原来的很相似，也容易认识，但它却有自己本身的内涵、意义和外延。通常一个单词完全或部分由那些人们熟悉的单词复合而成，就像隐喻和麦克斯韦对“源—目标”模型的运用那样，新单词以扩展的形式获得现存元素的含义。在科学递阶的层次结构中，高一级的层次要满足低一级层次对它的约束条件。但高一级的层次又包含一些规则，这些规则只能通过该层内的积木块所表现出来的规律来理解。新单词一旦收录到辞典当中，就要遵循与辞典中所有其他词汇相同的规则。
可惜，我们对构成更大模式的感知过程以及由组合生成新事物的规律性还知之甚少，但这一步对创新而言极为关键。尽管我们在心理学和人工智能方面已经做了多年努力，但事实上，即使对于相对较为明显的视觉模式识别过程，我们知道的也不多。部分原因是，只有很少的视觉心理学模型是建立在眼睛快速扫视基础上的，而在人工智能领域根本就不存在这样的标准模型（参见第5章）。然而试验已清楚地表明，眼睛的快速扫视在人的感觉中是很关键的。如果有人问你有关一幅画或一个场景的问题，眼睛的快速扫视运动就不是随机的。你会迅速地把目光集中到相关的场景或画面上。这就像在国际跳棋程序中决定如何设计棋局一样（Samuel, 1959），这些决定同游戏当时的进展状况密切相关。在视觉模式识别中，忽略那些能够筛选出模式中突出特征的机制，使得我们在遇到辨识组合生成模式等更为精细的问题时裹足不前。
前面讨论过带回路的神经网络，这在微观层次上确实为我们提供了一些关于重复情况下显著特征内在化的线索——通过细胞集群和位相次序。交叉抑制和疲劳做出了可引导快速扫视的预期。如果这种预期规则地出现，那么相关的特征，如细胞集群，就会成为指令系统的一部分。但是这个层次上的机制同组合生成模式的感知过程还有实质性的差别，在高一层中出现的问题几乎都与发掘和训练有关。
我们在按照规则下棋时，可以看到一些为长远棋局变化和更精确的策略服务的、以积木块形式出现的定式，我们甚至给这些定式命了名，如捉双、压住和发现攻击。我们用这些定式来选择对策树中的一些分支，而忽略组成对策树中绝大部分没有意义和没有价值的部分。正是这种能力，使得人类下棋的方法与现在人人皆知的人机国际象棋大战中采用的计算机程序有本质的区别。这些计算机程序极大地依赖于耗时的搜索，也就是说，计算机每多预测一步棋，都要求计算能力的极大提高（参见第3章）。相反，精于棋类游戏的棋手只需关注几个相关的组合，而没有必要去关注对策树其余部分中大量无用的“垃圾”决策。
当然，人类下棋的方法也许会错过一些好棋。然而，对策树中杂草般的分支决定了耗时的搜索只能进行有限的几步。这样除了最简单的游戏之外，几乎在所有的游戏中，按照机器程序的方法都难以找到最好的对策。在像受限生成过程这样受规律支配的生成系统的更广阔领域，情况也是如此。受可能性的制约，无论人类还是程序，都必须在很大的组合空间中发现可以带来较好后果的对策。也可以说，在快速直接的扫视中，与耗时费力的盲目搜索相比，基于预期的显著特征和次序有很大的优越性。因为目的是追求改进，而不是寻找最佳，所以这种优越性就更为明显。
科学发展的历史表明，每一门学科的理论都在不断地发展，能够解释的现象越来越广泛。但在任何层次上，在可预见的未来，无论长远的预期是什么，宇宙的复杂性决定了不可能找到一个“最优”理论。甚至像国际象棋这样简单的小系统，我们仔细研究了几个世纪也没有找到“最优的”对策理论，怎么可能在真实的宇宙中找到这样的理论呢？我们甚至连宇宙的基本规律都还不了解。
但如果我们并不强求一定要找到最优的对策，那么这种不可能性事实上并不是一个非常致命的约束。当面对复杂的情况时，我们的目标通常是“做得更好”。无论是模型还是隐喻，这种“更好”可能是全新的、出人意料的，也可能是对类似事物的一种完善。尽管我们没有遍历对策树中所有的可能性，但几个世纪以来，国际象棋的博弈水平一直在不断提高，各种级别比赛的记录已经证明了这一点。同样，在过去几个世纪中，我们已经逐步创建了许多科学模型，这些理论无论在深度上还是在广度上都取得了持续的发展。但是，我们同样不知道未来会发展到什么地步。在隐喻、文学和诗歌领域，不断追求更好的努力虽然不是很明显，但新的创意也不断涌现，即使是那些最虔诚的正统卫护者，也不会再固守所谓“最好的”诗、戏剧或小说。
从这个观点来看，对于人类认识过程研究的中心问题将可能是认识机制和相互作用的本质，它们是在生成过程中识别出更大模式能力的基础。像CopyCat（Mitchell, 1993）的例子那样，我们的研究看来是受到相关积木块左右的。隐喻、类比和模型，引导我们揭开世界上许多复杂的谜团。在能够对认识过程建模之前，人类是无法完全理解这个过程的。
