從行為主義心理學（behaviorism）、貝葉斯推理到深度學習，科研人員常常是提出一些簡單的理論來希望解釋所有人類智慧行為。

 Firestone 與Scholl 在2016 年曾提出一個觀點：“沒有哪一種方法可以概括人類大腦的思考方式，因為'思考'並不是一個特定的事物。相反，大腦的思維由不同部分組成，每一部分的運行 方式又不相同：人類大腦在觀察到一種顏色時的思考方式與計劃假期的思考方式不同，計劃假期的思考方式又與理解句子、移動肢體、記憶事實或感受情感不同。”人類的大腦極其 複雜多樣：擁有超過150 個可以清楚辨別的大腦區域，約860 億個神經元，數百個（或數千個）不同類型；萬億個突觸，每個突觸中又有數百種不同 的蛋白質。 真正智能且靈活的系統很可能非常複雜，就像人腦一樣。 因此，任何將智能簡單概括為一個原理或一個“主算法”的理論都注定會失敗。

1969 年圖靈獎得主、MIT 人工智能實驗室創始人馬文·明斯基（Marvin Minsky）在其1986年著作《心智社會》（The Society of Mind）一書中曾探討人類智慧的來源。 他認為，“人類的智慧源於人類社會的多樣性，而不是某個單一的、完美的準則。”毫無疑問，近幾年人工智能的技術有了極大的飛躍，不僅打敗了圍棋與 撲克比賽的世界冠軍，還在機器翻譯、物體分類和語音識別等領域取得了重大進步。 然而，其實大多數 AI 系統的關注點都十分狹窄。 比如，圍棋冠軍選手“AlphaGo”雖然在與人類比賽中勝出，對圍棋本身卻絲毫不了解：它不知道圍棋遊戲進行的過程是由選手在棋板上落下石頭棋子，甚至不知道“石頭”、  “板”為何物。 如果你將原先給它看的正方形網格板換成長方形板，你還要重新對它進行訓練。 換句話說，AlphaGo的“智能”是非常有限的。 要想發展能夠理解文本或賦能通用家居機器人的人工智能技術，我們還要付出更多努力。 紐約大學的兩位教授 Gary Marcus 與 Ernest Davis 認為，AI 的下一個發展機遇是從人類思維“取經”，因為人類在理解與靈活思考上的表現仍遠遠優於機器。