一次學習。這個效率最極端的例子就是人類可以在一次的嘗試中，學會新的東西。假如我介紹你一個新的動詞purget，雖然只有一次，你可能就會用了。當然，有些類神經網路也可以儲存一個特定的記憶，但是機器不能做的很好，而人類大腦可以輕而易舉的把新資訊融入現存的知識網路中。你不但記住了新的動詞purget，你還馬上知道如何運用到其他的句子中：「你曾經purget過嗎？」、「我昨天purgot過了，你曾經purgotton過嗎？」、「purgetting是很麻煩的」。當我說 「明天我們去purget」，你不只學會一個字，你還知道它是一個不規則動詞（purgot, purgotten），它要依動詞第三人稱加s（I purget, you purget, she purgets）。學習就是成功的把新知識插入已經存在的網路中。
系統化和思想的語言。文法規則是我們大腦特殊才能的一個例子：我們能夠找出特定事件背後的通用法則。不論數學、語言、科學或音樂，人的大腦可以找出最抽象的原則、系統化的原則，把它應用到許多不同的情境上。例如算術，我們學會了把兩個數字相加後，我們就可以系統化的把它用到很大數字的相加上（譯註一旦你會了2+2=4，你就會2000+2000=4000或更大的數字相加）。很多五歲或六歲的孩子就發現每一個數字n，下面就有n+1，它可以是無窮盡的序列—天下沒有最大數，永遠可以再加1，我到現在還記得，當我了解這一點時的心情—它是我的第一個數學理論，當時充滿了高亢情緒。我們的大腦神經細胞是有限的，它怎麼可能去了解這個無限的概念？
現代的類神經網路無法去表達一個簡單抽象的法則—每一個數字後面都有一個數字（every number has a successor），機器無法處理絕對真理（absolute truth）。目前大部分的演算法還是沒有辦法去處理系統性（systematicity），即從一個符號規則類化到其他上面去的能力。很諷刺的是，所謂的深度學習演算法幾乎沒有任何深度洞察力（profound insight）。
從另外一方面來說，我們的大腦卻有很強的能力去得出一種心智語言的公式，例如它可以表達一個無限大的集合，因為它的內在語言是有負號和量化的抽象功能（無限大＝非有限＝大於任何數字，infinite = not finite = beyond any number），美國哲學家傑瑞．福德（Jerry Fodor，一九三五—二○一七）曾把這個能力理論化：他認為我們的思想是一種符號，這些符號遵循著思想語言（language of thought）系統化規則的組合7，這種語言的力量來自它重複做同一件事以得到某個特定結果的遞歸（recursive）本質：每一個新創造出來的物體（比如說，無限大這個概念）可以立刻在新的組合中使用，而且可以一再被用，沒有限制。那麼究竟有多少無限大呢？數學家喬治．康特（Georg Cantor，一八四五—一九一八）曾經問過自己這個問題，這導致他的「超限序數理論」（transfinite numbers），德國的馮．洪堡（Wilhelm von Humboldt，一七六七—一八三五）（譯註：柏林洪堡大學的創辦人）認為這就是「用有限的方式去創造出無限的用途」（make infinite use of finite means），這正是人類思想的特色。
