无论在是“低下的”智力题解决中，还是在伟大的科学发现中，西蒙没有发现任何特别让人难以理解的事情。人们总是因为一些灵感得到许多可验证的假设，然后还要走一些思考上的弯路，最终才能找到正确的答案。从来没有一个智力题的解决或者科学发现是单纯依靠天才和灵感的。
西蒙与他的同事推广了许多今天仍然广泛使用的术语，“解空间”就是其中一个。解空间是指一个问题几乎所有的潜在性答案。当计算机程序下象棋时，程序就会寻找解空间。它会检查所有可能的“步”，直到找到最佳的方案。
西蒙认为搜寻解空间是人们解决智力题的思考范例，即便是那些做出过突出科学发现的科学家（例如开普勒和普朗克）也不例外。解空间的概念具有非常重大的影响力。当你通过编程让计算机去解决某一个问题时，最重要的就是确定解空间，然后软件就可以利用计算机令人称奇的高速度来寻找答案。
这种方法也有很多局限性。许多问题的解空间太大了，甚至是最快的计算机也不能够完成任务（这就是为什么下象棋的计算机虽然可以打败大师级的选手，但却不能下出“十全十美”的一局）。同样让人们困惑的还有：我们很难把一个问题的解空间详细列举出来，有时候会把许多无关的东西包含进去。解空间常常显得和真正解决问题关系不大。
“开汽车门时钥匙应往哪边转才能打开车门？”从狭义上来说，这个问题的解空间是由两个可能的答案组成的：“顺时针”和“逆时针”。但是这种答案与问问题的目的却是背道而驰。微软公司面试问题的目的，是希望你能够为自己的答案找到支持的论据。无论你给出的答案是顺时针还是逆时针，最重要的是要给你的答案找到合适的理由。答案并不重要，关键是支持答案的理由。说得现实一点，正是这些可能的理由组成了这个问题真正的解空间。
通常来说，智力题和猜谜题的解空间是很难确定的。要快速而清楚地确定问题所涉及的范围，以及哪种类型的答案可能合理，也并不是一件十分容易的事情。正是这一点使得人工智能的研究十分艰难。从小的方面来说，也正是这一点使得人们在回答面试问题时感到困难重重。
认知心理学的最新研究对西蒙“理性”解决问题的乐观看法提出了相反的观点。一些最近的分析认为，没有一个人知道怎样解决问题，除非他已经解出题来。和西蒙的解空间相反，哈佛大学心理学家戴维·珀金斯提到了“零线索高原”。如果把问题的可能答案比做一块地，那么正确答案就位于其中高原的某处，我们必须在这块高原上寻找答案（但往往缺乏线索，无从下手）。
珀金斯把解题者与掘金者相比较。掘金者不知道金矿到底在哪儿，也不能加以推论。你可能认为掘金者找到黄金是全凭运气，但如果进一步分析，就会发现有一些掘金者比其他掘金者更容易找到黄金。这是因为他们采取了针对性的办法。他们对黄金的“搜寻”不是随意的，而是有系统的，这种搜寻是以他们对一些确实存在的地理线索的敏锐感知作为基础的。
