Постиженията на днешния изкуствен интелект, макар и често впечатляващи, не произлизат от самостоятелно "механично мислене", а от явното или невидимо използване на производни на човешкия интелект, например, косвена или пряка употреба на съдържание от интернет. Тази книга сравнява, следователно, функционирането на системи с изкуствен интелект с функционирането на човешкия и животинския ум.

Целта му е да подчертае основно основните механизми, които определят човешкото мислене, и да покаже кои елементи от него трябва да се възпроизведат изкуствено, за да се появи хуманоиден интелект. Докато не е необходимо детайлно подражание на биологичните функции, за да се произвежда мисъл, обаче, имитацията на човешкия интелект е изключително трудна, защото тя започва от сензомоторни механизми на действие-реакция, преди да достигне до езика (словото) и логическите разсъждения.

Такива механизми определят конкретните понятия като начини на взаимодействие с околната среда, още преди те да получат име. Сензомоторният фон на мисленето произлиза от не непрекъснато взаимодействие на всеки организъм с околната му среда, т.е. от непосредствената комбинация на сензорни дразнения с двигателни реакции. Такива механизми са системи на директно преосмисляне, които се оформят от директно времево взаимодействие с околната среда. Поради това е трудно да се регистрират вербално или символично. Така те често са несъзнателни.

Хващането на топка, използването на велосипед или дори ходенето са автоматични механизми и в много малка степен са свързани с вербални указания, тъй като не произтичат от стереотипни правила. За да ги научи, следователно, роботът трябва да взаимодейства времево с околната си среда и дори по начин, подобен на този на човека.

Конкретно, за да научи интерактивно езика, той трябва да има опит, но и мотивация, необходимост да комуникира с някакъв настойник-обучител. Има огромни области на знания за света (а и човешкото общество), които система за изкуствен интелект не може да придобие без директен физически опит. Така днешните роботи са само на повърхността автономни и като цяло действат само ръководени. Те не са в състояние самостоятелно да планират действията си.

По подобен начин, впечатляващите машини за обработка на език, като ChatGPT, произвеждат разбираем, но понякога неуместен текст, без да знаят какво казват. Думите, които произвеждат, не съответстват на ясна вътрешна умствена картина, тъй като се изчисляват дума по дума. Напротив, както ще видим, едно дете на 19 месеца, което току-що е научило първите си думи, знае какво иска да каже. То има вътрешен умствен образ, защото ни коригира, ако неразберем думите му поради неумелото им произношение.