随着对人工智能的理解深入，人们开始尝试更换思路探索AI，此前试图通过用创造数字大脑的尝试开始有了新变化。巴纳德学院的天文学家Janna Levin 在近期主导的关于人工智能技术和伦理前景的圆桌讨论上表示，“我们并未真正理解人类大脑。我们试图探索大脑，却没有奏效。”“我们自己都不了解人类大脑，何谈创造人工大脑？”
既然无法模拟大脑，那么智能的根本原理是什么显然成为了一个关键。MIT未来生命研究院的主任Max Tegmark认为“我们太迷恋大脑的运行机制了。这是一种想象力的匮乏。”正如采用仿生学，能够创造如蝙蝠一般飞翔的飞行器，但是在不知晓原理的情形下，人们无法操作。科学角度研究并模仿才能带来成效。
按照人类自身形象创造人工智能，并非最佳途径。Facebook的AI研发主管 Yann LeCun认为，“你可以从生物学中获取灵感，但你并不想简单复制。从工程角度来看，溯源进化过程将会异常困难。”将人类大脑智能和推理能力最大化或是简单化都不明智。
人工智能两种学习方式：有监督运行和强化学习。LeCun解释说，对于更传统的监督学习，人类必须输入数千个示例，机器才能真正开始工作。比方说，图像识别算法必须首先看到无数个苹果，才能做到精准识别。另一种方式是强化学习。AI算法和神经网络可以互相训练。通常这种方式只适用于博弈。一个象棋AI可以随时与自己进行数百万次对弈，来学习象棋比赛中的微妙细节。
无论哪种方式，都无法让AI认识世界。LeCun说，“我们在以非常愚蠢的方式训练神经网络。”婴儿在两个月大时就能理解客体永久性。半岁时，能直观理解物质世界如何运转。但目前为止，人类还无法让机器进行类似的无监督学习。但是即便是Facebook的AI研发主管，也仅仅只能表示他们认识到了目前的局限，却又无法找到突破的方式。要想创造能够认识世界的AI，人类还需要更多的灵感，模仿人脑的做法或许走不通了。
