反过来说，我们也并不是建议大家都不应该去研究老靠谱算法是否比超自然算法更优秀，二者比较的结果可能仍然会给某些人带来启示。尽管他在指导算法的搜索时可能会造成欺骗性。
要了解背后的原因，就要考虑到人工智能行业研究人员和实践者之间的区别。研究人员着眼于开辟未来的创新道路，而行业实践者则希望当下就解决现实世界的实际问题。
行业实践者不会试图编写新算法，而是审视当前可用的算法，然后选用其中的一些来解决当前的问题。前者就像发明新的实验性汽车类型，后者就好比是从经销商处选购一台已上市的汽车行业实践者，更像是一位能人工智能用户，而不是人工智能的研发人员，二者之间重要的区别是行业实践者不参与寻找新的算法。
对于他们来说，手里有现成的问题，解决方案就万事大吉，既确保现有的最佳算法能应付当下的需求足够，因此你可能看到老靠谱算法和超自然算法之间的比较，可能会帮助行业实践者在当下做出明智的选择。
如果在实践者处理某一个问题上对两种算法进行基准测试，若脑靠谱算法的性能比超自然算法高出5%，那么他们应该使用老靠谱算法，而不是超自然算法。
但是我们不应该让这种区别混淆视听，因为对行业实践者而言，最好的东西不一定是研究人员的心头好，就好比一位汽车研究人员不应该发现悬浮喷气式汽车原型机比福特金牛座更耗油，就放弃研究。
需要再次强调的是，我们的目标是为了解决研究人员如何判断新算法是否值得探索。更重要的是，我们想了解这些判断如何解决，试探哪些踏脚石，以创造更新的算法。因此，一味只追求利在当代的行业实践者，他感兴趣的东西对于一位立正立志，功在千秋的创新者来说并不是正确的指南针。
也许这两种角色之间的混淆，帮助我们了解了实验派启发式方法是如何主导人工智能研究方向的，如何主导了许多其他领域的研究，对行业实践者来说，性能表现的确是一项比较适用于评判的标准，但对于研究者来说，这个标准就不靠谱了，因为它充满了欺骗性。
但正如前文所示，实验派启发式方法并不是唯一发挥作用的因素。寻找人工智能算法的另一个主要经验教训是，定理派启发式方法，其核心思想是具备更可靠的理论验证的算法，就是最具未来探索能力的算法。事实上，一些研究人员认为，地理派启发式方法是比实验派启发式方法更好的选择，因为它提供了不容置疑的保证。
实验派启发式方法并没有证明脑靠谱算法何时会优于超自然算法或者二者比较的结果。在大在很大程度上取决于特定的设置，它只是表明在某些情况下老靠谱算法更好理论结果的优势在于它们组是包含了理论成立的各种条件。
因此，只要这些条件得到满足，那么在某些程度上，我们就能够知道算法有望得到怎样的结果。但是，即使理论验证看起来像一个坚实的基础，事实证明，定理派，启发式方法也是有其缺陷的。
也许更令人惊讶的是，当它被用来指导人工智能算法的搜索时，它存在的缺陷与实验派启发式方法并无不同。
但在我们指出，这个缺陷之前还需要再解释一下，定理派启发式方法，这个短语本身就有些奇怪，定理派和启发式这两个词似乎是矛盾的。正如人工智能领域的研究人员都知道，启发式方法是经验法则，那么得到理论验论证的经验法则有什么意义呢？
虽然启发式方法可能在大多数时候能够发挥作用，但它们往往不能保证进步，但反过来看，数学定理确实提供了保证，但他们不能以同样的方式受到质疑，就好像人们可能会质疑一个特定启发式方法的某个问题上是否真的有效，但至于一个特定的定理是否是真理并没有意义。
因为一个定理被证明为正确之后，它将永远是正确的定理的，这种可靠性，它是对人工智能领域和其具有吸引力的一个原因。如果我们能够证明一个特定的算法，在某些条件下会成立，那么由此产生的保障性是永远都无法被否认的。所以，地理派启发式方法这个短语中启发式的不确定性，似乎与定理的绝对性产生了冲突。
但这个概念在本案例中的适用性，因为这两个词分别作用于人工智能算法的原搜索的两个不同的层面，定理派这个词适用于单个算法，旨在确定特定算法是否具备良好的保证。相较之下，启发式这个词适用于通过能人工智能算法开展搜索，即经过大量的可靠性的验证，算法往往会成为很好的踏脚石。
然而，我们需要再次意识到，涉及原概念的东西都很难把握，但其内在的逻辑其实很简单，人们只是特定定理，当成评判，什么是好算法的经验法则而已。然而，重要的是，研究人员不应该只关注人工智能算法的特定定理，甚至最好不要特别关注特定的人工智能算法本身。
事实上，整个人工智能研究领域整体应该专注于探索所有人工智能算法的空间，并发掘出有潜力的踏脚石。因此，我们真正应该探索的是如何运用定理来指导人工智能算法空间的搜索。
一个算法的良好理论，结果的数量应该成为人工智能领域进行的更高层次的算法。搜索中的启发式方法在其他条件的相同情况下，人工智能领域通常更倾向于选择具有更多理论保证的算法。
例如，假设某位理论家证明，一个关于老靠谱算法的新定理，这个新定理保证了老靠谱算法将能够合理的，快速的生成一个可接受的结果。那么，此地理就是人工智能领域理论家研究的目标，因为它向行业实践者承诺算法一定能够生成一个合理的结果。
因此，行业实践者选择一个有许多地理的知识的算法，而不是选择一个没有定理支持的算法，是符合逻辑的做法。但是，仅靠一种特定算法的定理，并不保证研究人员在搜索算法空间时，能够发现涉及后来算法的东西。换句话说，虽然这个定理是关于老靠谱算法的，但它并不能保证老靠谱算法在未来会衍生出一系列新的踏脚石的算法。
该定理既不能保证后来算法是否会具备同样的可靠性，保证也不保证其一定会比原版的老靠谱算法更好。即使他们被证明的确更可靠。
