一个智能系统是自组织与它组织共在的，即是一个同化与顺应同时起作用的平衡组织，打破平衡就会产生出新的系统。开放智能系统中的逻辑不同于物理系统中的数理逻辑，除了已知恒定的变量参数以外，还会在各种事、物交互过程中不断衍生出新的变量参数，原有的变量参数会退居次席或消失，还有的变量参数甚至会忽隐忽现……，这些都增加了智能逻辑变化的不稳定性和不确定性，使真实智能与人工智能的距离越来越远，与人机环境系统智能的距离越来越近。变量的变化与变化的变量让基于计算的AI很难应对博弈时智能体的态势感知，而人类的算计恰恰相反，她不但可以应对变量的变化问题，也可以处理变化的变量问题，还可以解决非计算的判定性问题，如非情人眼里出东施。​

人机环境系统智能不但可以有效地态-势-感-知，而且还可以更高效地势-态-知-感，更可以把两者结合起来游刃有余地往返迭代回归升华，切实实现“道者反之动”。

DARPA假设当今机器学习ML的一些限制是：1.无法结合上下文和背景知识的结果；2.将每个数据集视为一个独立的不相关输入。在现实世界中，观察结果通常是相关的，并且是潜在因果机制的产物，可以建模和理解。DARPA认为，能够获取和集成符号知识并大规模执行符号推理的混合AI 算法将提供稳健的推理，推广到新情况，并提供保证和信任的证据。

DARPA的缺点在于：只是符号知识而忽略了非符号知识。