蒙特利尔大学（University of Montreal）的教授乔舒亚•本希奥（Yoshua Bengio）表示，谷歌在神经网络上的工作让我们朝着人工智能的终极目标迈进了一小步：匹配动物甚至人类的智慧。本希奥研究的也是类似的机器学习技术。“这条路会通向更加广义的人工智能，如果你不能把大量关于这个世界的知识放到机器里，你就不可能得到一个智能的机器，”他说。

本希奥还表示，谷歌的神经网络事实上和哺乳动物的视觉皮层运作方式相似。视觉皮层属于脑部的一部分，负责处理视觉信息。“结果是，[谷歌的]学习网络的特性和脑部用来发现物体是否存在的方法相似。”

不过，他很快补充说，即使是谷歌的神经网络也比脑部要小得多，而且也不能进行很多对智能来说必要的活动，例如根据外部世界收集来的信息进行推理。

迪安同样也很谨慎地不把他构建的有限的只能同任何生物脑相比。但是他还是忍不住指出，在某些竞赛中，谷歌的神经网络却能击败人类。

他说，“在一些视觉任务中，它比人类的表现更好。”迪安举了一个分类标记的例子。在这个任务中，门牌号码会出现在谷歌街景汽车拍摄的照片中，这一过程一般来说都会交给很多人来干。

“它们开始使用神经网来决定[图片中的]某一块区域是否是门牌号码，”迪安说，它们表现得比人还好。这只是一个小胜利，但却凸显了人工神经网络和你脑袋里的神经网差距是多么的巨大。“很可能这并不那么让人激动，不过计算机却永远不会厌倦，”迪安说。真实的智慧却会厌倦。