“模拟派”的追随者可能会说人体也是可以用软硬件模拟的。这“在原则上”自然是正确的，但如果 神经网络 之外的部分对实现智能是必须的，那么单靠人工 神经网络 来完整再现智能大概就是不可能的了。为实现“像人一样的智能”，我们需要的不再是“人工 神经网络 ”，而是包括这样一个网络的“人造人”。
就算一个“人造人”被制成了，它大概也不会是所有人心目中的“ 人工智能 ”。对那些以“图灵测试”为智能标准的人而言，“智能”意味着在外部行为上和人不可区分。大部分人都同意完全靠预先设计所有可能的答案来通过这个测试是不大现实的，而通过“学习”才有希望。但这就意味着只有类人的躯体还不够，系统还需要类人的经验。这就不再仅仅是个技术问题了。因为我们的经验中的很大一部分是社会经验，只有当人造人完全被当作人来对待时，它才能得到人类经验，进而获得人类行为。而这将会在伦理、法律、政治、社会等领域造成大量问题。
“忠实复制”不是好主意
上面讨论的是用人工 神经网络 实现像人一样的通用智能的可能性，其结论是：远没有看上去那么有希望，尽管不是完全不可能。但这条路线比可能性更大的问题是其合理性和必要性。
人工智能 的基本理论预设是把人类智能看作“智能”的一种形式，而试图在计算机中实现其另一种形式。根据这个看法，“ 人工智能 ”和“人类智能”不是在细节上完全一样，而是在某个抽象描述中体现着同一个“智能”。如果智能所需的某个机制在计算机里有更好的实现方式，那我们没必要用人脑的办法。这方面的一个例子就是四则运算。
当我们为一个对象或过程建立模型时，我们总是希望这个模型越简单越好。只有当我们可以在忽略了大量细节的情况下仍然可以准确地刻画一个过程，我们才算是真正理解了它。因此，如果最后发现我们只有在严格复制人脑、人体及人类经验的情况下才能再现智能，那么 人工智能 应当算是失败了，而非成功了，因为这说明智能只有一种存在方式，而“智能”和“人类智能”其实是一回事。
出于这种考虑，很多 人工智能 研究者有意识地和人脑的细节保持距离。在从人脑的工作方式中得到灵感的同时，他们会考虑在计算机里是否有更简单的办法来实现同样的功能。计算机毕竟不是个生物体，所以没必要模仿人脑的那些纯生物特征。同理，对深度 神经网络 的研究者来说，他们的网络在某些方面不像人脑，这不是个问题，只要这种差别不带来功能缺失就行。
