一些電腦科學的模式想了解兒童是如何學會這種抽象的數學規則—但是要這樣做，他們必須先融入一個非常不一樣的學習形式。這個學習包含了規則、文法，還可以很快的選擇最短、最可行的形式。8在這看法裡，學習跟寫電腦程式很相似：從思想的語言中，所有的可能性中，選擇最符合數據、最簡單的內在公式。
目前的類神經網路還沒有辦法代表人類大腦對外界模式所採用的抽象片語、公式、規則和理論。這可能不是意外：因為這一點是人類所特有的。除了人類以外，沒有在任何其他動物身上看到。而且近代神經科學家也還沒有辦法去處理—它是人類真正最特殊的地方。在所有的靈長類中，人類的大腦是唯一有一套符號，而且可以根據複雜樹狀形文法規則作組合的。例如，我的實驗室研究顯示，人類的大腦沒有辦法在聽到一序列的嗶…嗶…嗶…噗時，而不立刻假設它底下有一個抽象的結構（三個同樣的聲音後面跟著一個不同的聲音）。即使是猴子，也會偵察到這一序列四個聲音是三個相同，最後一個不同，但是牠們不會把這個知識集合成一個公式：我們知道這個，是因為當我們檢視猴子大腦的活動時，我們很清楚的看到數字和序列電路的活化，但是我們沒有看到類似人類大腦做整合的布羅卡（Broca's area）區的活動。
同樣的，猴子也需要幾萬次的練習才能把一個序列倒過來做，如把ABCD變成DCBA，而一個四歲的孩子，只要練習五次就可以做到了。11甚至幾個月大的嬰兒就能夠用抽象的和系統化的規則去登錄外在的世界—這個能力是類神經網路和其他靈長類所不能的。
組合。一旦我學會了，比如說，兩個數字的加法，這個技術就會成為我能力庫中的一員，我隨時可以把它用在各種不同的情境中，如付餐廳的帳單、檢查我的稅單是否正確。我還可以把它和我其他的能力組合在一起，例如，我可以輕鬆的依照某一演算法的要求，把一個數字加上2，然後看它現在是大於5還是小於5。
目前的類神經網路還不能有這種彈性是很令人驚奇的。他們已經學會的知識是被禁錮在一個隱藏的、接觸不到的連接中，所以把它應用到別的、比較複雜的作業中變得很困難。這個能夠組合以前學會的能力來解決新的問題是超越了這些模式的能耐。今天的人工智慧只能解決非常狹隘的問題：AlphaGo的軟體雖然可以打敗人類的圍棋王，卻是一個非常固執、沒有彈性的專家系統，不能把它的能力類化到任何其他的棋賽中，甚至只有一點點差別的15×15的棋盤，而不是標準的19×19的棋盤。從另一方面來說，人類的大腦只要學會了，就可以把這個知識或技能一再重複使用，或重新組合甚至解釋給別人聽。語言是人類大腦很特殊的一個層面，科學家很早就知道要讓機器跟人一樣的有彈性是一件很困難的事，早在一六三七年，笛卡兒在他的《談談方法》（Discourse on Method）就已經預期到這個問題了：
