自由撰稿人马修·赫特森(Matthew Hutson)在“ 科学 ”杂志上发表了一篇专题文章，概述了让计算机学习和思考更像人类的进步。在他的文章中，他建议在机器学习思考人们的方式之前需要解决许多问题。他建议，从根本上说，它需要弄清楚如何让计算机通过反复试验和与本能相对应的烘焙功能来学习。
正如Hutson指出的那样，深度学习基于网络的系统已经完成了非凡的事情，例如在非常困难的游戏中击败人类或学习翻转汉堡包。但是他们仍然缺乏将他们学到的知识运用到新的和不同的环境中的能力。当被要求与孩子一起玩跳棋游戏时，一个能够击败世界上最好的人类玩家的国际象棋游戏机器人仍然会失败。他们也缺乏常识。举个简单的例子，Hutson引用了一个机器人的问题管家从柜子里取出一个红色的杯子 - 如果柜子里没有红色的杯子怎么回应呢?相反，柜子里装有其他颜色的杯子和红色的盘子。人类很可能会选择一杯另一种颜色而不是一块与请求部分匹配的红色盘子，因为她会理解所需物体的预期用途。但是我们如何让机器人这样做呢?
为了让机器人能够更好地处理现实世界，随机场景可能会让他们学习人类或其他动物的学习方式。这可能需要回到原始设计 - 人类的大脑。他建议像纽约大学的Gary Marcus这样的研究人员成为主要开发人员。马库斯是一位发展认知科学家，参与研究的目的是研究人类如何从出生开始学习。Hutson认为，像马库斯这样的研究人员正在寻找人类和其他动物赋予本能行为的手段。事实上，马库斯已经提出了一系列人类本能，他认为在他们学习诸如因果关系和评估成本效益情况之前，他们需要将这些本能融入计算机。
Hutson指出，一些计算机科学家正在跳过这些新想法，他列出了像加利福尼亚的Vicarious和英国的DeepMind这样的公司，他们正在努力实施这些公司。他还引用了麻省理工学院和新南威尔士大学等地正在进行的研究工作，团队正在努力学习人类的大脑如何工作以及如何使机器以相同的方式运作。