这个问题是所有走“仿生”路线的技术都要面对的，包括近来大热的“类脑智能”、“类脑计算”等。在有关讨论中，一些人只是强调“像人脑那样”的可能的好处，但完全不提这种模仿的限度。只有当我们能清楚地说明哪些东西不用模仿时，我们才算真正说清了哪些东西需要模仿。只是说“人脑是这样的”尚不能成为“计算机也必须这样”的充分理由。
这里一个常被提到的例子就是飞机和鸟的关系。飞机的初始设计的确借鉴了鸟类，但显然不是越像鸟越好。这里自然有可能性的考虑，但更重要的是要飞机完全像鸟既不合理也无必要。我们当前的课题也同样。严格说来，“人工 神经网络 ”、“人工大脑”、“人造人”和“ 人工智能 ”各是不同的研究目标，各有各的价值和意义。尽管它们之间有联系，仍然不能混为一谈，因为设计目标和最佳实现方法均不同。
如何“取长补短”
在 人工智能 历史上，以 神经网络 为代表的“联结主义”和以推理系统为代表的“符号主义”已经竞争了多年，彼此地位的消长也经历了几次反转了，这有点像光的“粒子说”与“波动说”的斗争史。时至今日，大部分人都会承认这两个传统各有长处和短处。在这种情形下，把二者结合起来就是个自然的想法了。
问题是怎么“结合”。一个常见的办法是把两个基于不同传统的子系统整合在一起，让它们各自完成自己擅长的工作，并彼此协作来完成整个任务。尽管具体做法不同，在这个方向上的探索成果已经不少了。
我自己的方案是把这两个传统以一种更密切的方式统一起来。如我在参考资料[2]中所论证的，我认为联结主义的哲学假定更正确，但技术手段太单一；与其相反，符号主义的技术手段更丰富，但哲学假定陈旧呆板。其结果就是我的“纳思”（见《你这是什么逻辑？》）在理论预设和宏观战略上更接近于联结主义传统，如假定知识和资源不足，容忍多种不确定性，通过学习获得领域知识和技能等；而纳思在描述框架和微观战术上更接近于符号主义传统，如用语言表达知识，靠概念组织经验，依逻辑进行推理等。纳思不是把这两个传统“嫁接”在一起，而是把它们“杂交”成了一个全新的“神经（网络式的）逻辑”。
