不过，联结主义的研究范式至少开辟了一条整体论的研究道路，给后来的研究以启迪。如H.哈肯主张运用他所创立的协同学原理从宏观层次（神经元群）上揭示大脑的神经动力机制。他认为是序参量决定了脑的宏观模式，而序参量表征在三层神经网络中的隐含层当中，它支配着完全不同的外部输出。[6]认知科学家保罗·丘奇兰德强调从神经元的层面或神经元群的层面上来研究神经系统的主要组织特征。他认为，如果我们把一个整体的理论解释为突触权重的整体配置，那么没有由特定权重配置所处理的向量，就不会发生任何认知活动。
在模拟神经元和大脑神经组织活动机制的同时，人们也在考虑从大脑思维活动层面来进行模拟。毕竟，计算机模拟的目的是获取知识。为此，人们注意到，人类的许多思维活动是无法形式化的。例如，形象性的描述、创造性的灵感、或然性的推断等。有人将这种无法形式化、并与形式化思维相对的思维称之为“叙述思维”。认为这种思维使用的是暗含的假设、似然的或习惯的组合方法，其作用是使我们在现实世界中有一个合理的行为；其特征是开放的、语义的。在计算机操作层面，其操作形式与形式化思维是不一样的。[7]不过，叙述思维与形式思维并非截然对立的，两者之间的界线也是变动的；人工智能的目的正是通过叙述思维的长处来弥补形式化思维的不足，例如，确定形式推导过程中的先后次序、目标，给推理结果以一定的意义等，并不断地将叙述思维模式化。
钱学森早在1980年就前瞻性地指出：“我们要把逻辑学扩大为思维学，包括一部分我们已经研究得很多而且很有成绩的逻辑思维，还要包括其他人的思维。这在国外已逐步地引起重视，他们是从搞机器人、人工智能这方面考虑的，……这个理论他们叫认知科学（cognitivesciences），我们用‘思维科学’（noeticsciences）。更确切一点，就是包括逻辑思维，也包括各种思维过程，形象思维等。”[8]1995年，他又指出：“逻辑思维，微观法；形象思维，宏观法；创造思维，微观与宏观结合。创造思维才是智慧的源泉，逻辑思维和形象思维都是手段。”[9]并再次强调，形象思维不仅是思维科学研究的突破口，也是人工智能模拟的突破口。我认为，这里说的形象思维、创造性思维与“叙述思维”，本质上是一致的。
事实上，人类大脑两半球的神经机制与思维活动是紧密相关的。通常认为，大脑左半球长于序列的、一个步骤接着一个步骤的思维，右半球则倾向于运用平行的方式进行思维。这似乎分别与传统AI的串行工作方式以及联结论的并行工作方式相对应。不过，这确实有合理的依据，仅从思维功能的角度来看，传统AI似乎更多的是模拟人类的左脑，联结论的神经网络则更多的是模拟人类的右脑。[10]正如国内人工智能科学家戴汝为所指出的：“抽象思维的推理过程由微观单元过程所组成，它体现为一步一步推理的规律。这种微观单元过程视为经典的一阶逻辑。由一阶逻辑的许多单元过程组成一阶思维系统。”[11]而“联结机制是有模拟人的形象思维的功能，它具有形象思维所具有的一些性质。通过同形象思维作比较，它能为人们认识形象思维提供一条有效的途径”[12]。很明显，如果这一结论能够从神经机制层面加以确证与甄别，的确能够起到以简驭繁的功效。只是与右半球神经构造相联系的形象思维仍然是智能模拟的难点。其主要原因在于，这部分的思维活动并非都是算法的，且常常具有非语言的特征。[13]同时，并不仅仅局限于右脑（也有部分左脑和身体动作参与）的灵感思维、情境思维、情感思维、动作思维、创造性思维以及社会思维等，也不能完全归结为算法形式和逻辑句法。用R.布鲁克斯（RodneyBrooks）话来说，它们是“无表征的”。
已经有学者从模拟左右脑的整体功能角度提出智能科学研究的新思路。如学者韩力群、涂序彦（2009）借鉴人脑高级中枢神经系统的协调机制（主要是大脑两半球功能的不对称性及通过胼胝体实现的协调互动机制），将传统人工智能技术长于符号运算和逻辑推理的功能与右脑长于模糊处理和并行化处理的能力这样两大优势统一起来，提出建立多类型的人工神经网络综合集成系统的构想。[14]2008年，反映人类大脑皮层中负责高级思维的数百万神经纤维如何互相连接和分布式处理信息的完整的大脑网络地图已经成功获得；对于左右脑半球的工作至关重要的一个大脑单一网络核心也已确定。这对人工神经网络的建构是一个良好的基础。[15]
总之，人工智能通过计算机模拟智能的过程和行为，加深了人们对人脑功能和智能本质的认识和理解，人们对大脑的看法与以往已经有了明显的不同。还是明斯基说得好：“正如进化论改变了我们对生物的看法一样，人工智能也将改变我们关于脑的看法。”[16]
