神经元的信号处理可能超出了最精明的人类大脑的工程理解范围，即使在输入与输出的关系经过统计表征并且遗传信息与神经元结构和组成的映射已经完成之后。似乎缺乏对神经元在适应系统行为中的作用的详细功能的深入理解，并且尚未发表理解神经元可行性的合理证据。
从整体上看，神经元功能的视觉表示可能看起来像基因组的视觉表示，信息模糊。世界经济是一个更为复杂的系统，在天文数字上更加令人生畏。即使是地球生命的新陈代谢过程图（如下所示）也无法在单一视图中全面展示。
理解这些复杂的生物系统只能是零碎的。完整地研究这些系统可能需要花费数年（甚至数千年）的时间，并且随着时间的推移记忆的扭曲可能会阻止将整个系统置于大脑皮层的有限容量内。
然而，计算机科学无疑已经取得了进步。已经模拟了哺乳动物大脑的许多特征，并且这些模拟超出了哺乳动物的能力和速度。示例包括邮件分拣、飞行计划和游戏。随着这样的进步，对人类大脑不那么明显的机械功能的模拟在许多人看来似乎在科学进步的掌握之中。其他人工智能理论家也表达了他们的怀疑。
是否可以在不首先模拟其元素的概括的情况下模拟一个包含数十亿元素的系统的问题出现在 20 世纪。尖峰神经元模型是受该问题启发的研究示例。
生物计算的最基本单位神经元1是否可以被由神经元组成的大脑所理解？
如果答案是否定的，这很有可能，那么可能需要新的人工智能方法来模拟本质上不太明显计算的大脑能力——比如直觉、灵感、同情心、爵士乐创作或革命性思想等能力。
