我们或可反对说，联结论研究的也是计算系统，其单元是根据精确规定的过程和规则进行计算的。德雷福斯的回答是：由联结论单元计算出的函数，一般是相当抽象的，以致它们无法直接与可用语言表达的概念或信念发生联系，而且它们甚至常常得不到有关科学家的确认(参阅第12章)。此外，一个单元的活动性和影响并不是由单个指令或规则决定的，而是随其他单元的活动性变化的，这就使得任何试图把联结论单元看作是带有确切语义含义的理论原素的做法，都失却了稳固的基础。同时，联结论“规则”（微分方程)也不同于传统AI所钟爱的那种逻辑主义公理。
但是德雷福斯对智能理论仍然感到失望—即使是建立在联结论信息加工基础之上的理论。他认为，只有大小和回路结构与大脑近乎完全等同的联结论系统才能作出人类智能的模型，这种系统还要具备人类动机、文化追求和血肉躯体。
我们主张，比起AI迄今为止的做法，它应当更仔细地关注大脑，但这并不等于说我们赞同上述观点(AI应当做出整个大脑的模型)。尽管当代联结论发轫于关于“神经活动”的概念，但它却很少借鉴神经科学。(传统AI借鉴得更少，它认为神经实现方式的问题与计算问题不仅有区别，而且全然无关。)在有关低级视觉的AI著作中，有时提出或借用关于视神经解剖学的假设。但是一般说来，当代联结论的目标是确认抽象定义的(理想化的)联想网络的计算特性，而不是作出实际神经元复杂性的模型，或对映实际的神经回路。实际上，我们甚至还不清楚，实际神经元的哪一部分或哪几部分，与联结论模型的单元和联结有着最接近的对应关系(Smolensky1988：§4)。
人工智能哲学
20