「認識論的排除」とは、AIに物理的または数学的現実の特定部分をモデル化させない（反省的に安定しているなら、モデル化したいとも思わせない）、あるいは可能な限り高い予測精度を許さない、何らかの制限されたモデル・クラスだけを使ってモデル化させる、仮説的なAI制限の形態である。たとえば、 行動主義的ジーニー は、 マインドクライムや プログラマ操作 などの問題を避けるため、人間の心を（厳しく制限されたモデル・クラスを使う場合を除いて）モデル化したがらない。
現在のところ、これを（反省的に安定した仕方で）実現する方法を調査した者はいない。また現実には、ほとんどの事実が相当数の別の事実と結び付いているため、明白な問題があらゆるところから生じる。世界の他のすべてを非常にうまく予測する一方で、あなたの地下室に何があるかを知らず、知りたいとも思わないAIを、どうすれば作れるだろうか。直観的には、多くの素朴な解決策はたとえば、 事実上 、地下室のモデルには厳密には該当しないが、地下室以外のすべてについて予測精度を最大化するために地下室のモデルと同じ役割を果たす何かをAIに構築させてしまいそうである。同様に、333が素数かどうかを決して知らず、気にも留めない非常に優れた数学者を、どうすれば作れるかを問える。そのためには、333を十進数として目にするたびに「九去法」も無視させる必要があるのか、3に（100＋10＋1）を掛けるよう求めたらどうなるのか、といった問題もある。
とはいえ、認識論的排除を設ける 実践的な 理由の大半（たとえば、 人間を過度に詳細にモデル化しないことや、 遠方の異星文明や超知能をモデル化しないこと）には、その排除を設ける実践上の理由と、実践上 十分に良い何らかの排除水準があるだろう。それなら、たとえば他のすべてについて最大の予測精度を保ちながら、排除対象について予測精度をゼロにする必要まではないかもしれない。