我们需要记住一点，那就是强人工智能的问题不在于计算机是否比人类更擅长处理特定的任务。我们已经看到，电脑比人类更会玩国际象棋、围棋和扑克牌，所以我认为机器在这些游戏中打败蜜蜂不会有什么问题。但真正的问题在于，我们能否让电脑具备在很多动物身上观察到的那种“自下而上”的学习能力。到目前为止，蜜蜂能电脑之所不能，它们可以举一反三、触类旁通。
秀丽隐杆线虫（C. elegans）是现存最简单的动物之一。一个完全发育成熟的成年线虫有959个细胞，其中大约300个细胞是神经元。相比之下，人体内有372000亿个细胞，这其中860亿个细胞是神经元。尽管相对简单，但线虫与我们仍有许多共同的特征，包括行为、社会互动和学习，因此很多科学家将它们作为研究对象。
芝加哥大学的莫妮卡·肖尔茨（Monika Scholz）最近创建了一个模型，用于描述线虫如何使用概率性的推理来决定何时移动。这个模型类似于第8章中的内特·希尔弗在民意调查中使用的模型。线虫会对它所处的局部环境进行“调查”，以摸清有多少食物可供食用，然后“判断”自己是留在原地，还是开始寻找新的资源更好。类似的研究揭示了线虫做出决策的细节，但它们还无法对整个线虫进行建模。另一个名为OpenWorm的项目试图彻底弄清楚线虫运动机制的各种特征，但要将这些模型组合在一起并表现出线虫的全部行为，我们还有很多工作要做。目前，我们还不完全了解这959个细胞是如何协作的，因此也就无法准确地模拟一种地球上最简单的动物的行为。
第三部分 人工智能的未类了吗？
223