近年来，人工智能战胜了围棋世界冠军以及顶级扑克玩家，并且在机器翻译、目标分类、语音识别等领域取得了卓越的进步。然而，大多数的人工智能系统关注点都相当局限。围棋冠军“棋手”AlphaGo并不知道围棋是通过将棋子放在棋盘上来下的，也不知道棋子和棋盘是什么。当你给它一个长方形棋盘来代替正方形格子棋盘时，它需要从头开始接受训练。要让人工智能理解开放语境或运转家用多功能机器人，我们还有很长的路要走。在理解能力和灵活思考方面，人类大脑依旧远远胜过机器，因此观察人类大脑就是一个好的着眼点。
通常，人们会提出简单的理论：从行为主义到贝叶斯推理再到深度学习，据说这些理论可以解释一切人工智能。但是，引用费尔斯通（Firestone）和肖勒（Scholl）的话说，“大脑没有单一的运转模式，因为大脑不是由一个东西组成的。相反，大脑可以分为不同的部分，并且每个部分的运转方式都不同。大脑辨别颜色区别于计划假期，并且与理解句子、移动四肢、记忆事实和感受情感都不同。”人脑极其复杂且多样，它拥有150多个可清晰识别的大脑区域，大约860亿个神经元，没有上千种也有几百种不同的类型，万亿个突触，每个突触中都有数百种不同的蛋白质。真正智能且灵活的系统就像大脑一样充满了复杂性。任何一种旨在将智能减少到单一原则或者单一“主算法”的理论都必定是失败的。
传统的人工智能通常侧重于深层含义表示（internal representations），例如：为了呈现肯尼迪（Kennedy）总统1963年访问柏林的著名事件，人们会添加一系列事实，比如“地区（柏林，德国）”，“访问（肯尼迪，柏林，1963年6月）”。知识是由这些表达积累而成的，而推论则建立在这一基础之上。在此基础之上可以轻松推断肯尼迪访问了德国。
目前，深度学习尝试用一堆矢量来粗略地解释这一点，这些矢量以一种粗糙的方式捕获了一些正在发生的事情，却根本无法直接表示其意义。没有一种特定的方式来代表发生过“访问（肯尼迪，柏林，1963）”，或者“地区（柏林，德国）”，所有的事情都只是粗略的相似。深度学习目前在推理以及论证上遇到了困难，因为它不是用于表达精确的现实知识，一旦事实模糊，就很难得到正确的推理。被大肆炒作的GPT-3就是一个很好的例子。相关的系统BERT也不能可靠地回答诸如“如果将两个奖杯放在一张桌子上然后再增加一个，现在有多少个？”这样的问题。
人类认知是一种复杂的智慧，其中数十种或数百种不同的“行为主体”各自专门处理不同类别的任务。例如：喝一杯茶需要抓握主体、平衡主体、口渴机体和一些移动机体相互作用来完成。进化发展心理学中的许多内容都指向了同一个方向：心智不是单一的事情，而是很多。
具有讽刺意味的是，这几乎和当前机器学习的趋势相反，机器学习倾向于端对端模型，使用单一的同类型机制，几乎没有内部结构。Nvidia 2016年的驾驶模型就是一个例子，该模型放弃了感知、预测和决策等经典模块。取而代之的是，它采用了一种单一的、相对统一的神经网络来学习输入（像素）与一组输出（转向和加速指令）之间的直接相关性。这类事情的拥护者指出了“联合”构造整个系统而不是对每个模块单独训练的优势。如果我们可以用非常简便的方式构建一个大型网络，为什么要花很多时间去构造单独的模块呢？问题是这样的系统很难调试，并且很难具有我们所需的灵活性。Nvidia的系统在人类驾驶员的干预下通常只能正常工作几个小时，而不是几千个小时。人类驾驶可以从A点导航到B点并处理车道变更，而Nvidia所能做的就是在一条车道上走直线。
当顶尖的人工智能开发者想要解决复杂的问题时，他们经常使用一些混合系统。要在围棋比赛中取得胜利，需要将深度学习、强化学习、游戏树搜索和蒙特卡洛搜索相结合。例如Siri之类的问答机器人以及网络搜索引擎使用“厨房水槽”方法，都集成了许多不同类型的处理。因此，要真正实现人类智慧需要将更多的任务要求，以及更为系统化的机器学习来实现才行。
