第一種工法用來辨識已知的東西。科學家心中先有個範本，接著把眼前看見的影像疊上去，然後揮舞雞蛋裡挑骨頭的刀子，砍掉不像的地方。就像用玻璃鞋尋找灰姑娘，誰的腳丫子剛好穿得上，誰就是灰姑娘。穿鞋、脫鞋、判斷合不合腳的時間越短，就越快找到灰姑娘。判讀病理切片的程式也一樣，跟已知的標準圖比對像不像。挑毛病的刀子不夠利，就會找錯愛人，誤判疾病。

第二種工法像是在抽象畫中，硬要看出山水人物。科學家拿著沾滿油彩的畫刀，這裡一刀，那裡一刀。機率是揮刀的理由：畫刀抹去罕見的，常常出現的就補上明亮的線條。這種工法用到人工智慧領域中，就是機器學習這類「從大量過去的資料和經驗中發掘未知的關聯性與規則，進而有能力做出預測」的技術。

若只是穿玻璃鞋、看抽象畫，這種單調而重複工作，正確率不會百分百，人腦也不會比AI的效率高。

科學家，當然不只有這兩把刀子而已。