神经网络整合事物各简单属性的感觉映象，得到的是该事物的整合属性的感觉映象。比如大脑整合苹果的颜色属性（如红色）和形状属性（如圆形）的感觉映象的结果，应得到该苹果又红又圆这个整合属性的感觉映象。反过来，事物某整合属性的感觉映象又应该是该整合属性的各个因子属性的感觉映象的整合，苹果又红又圆这个整合属性的感觉映象，应该是红和圆这两个因子属性的感觉映象的整合。因此，在感觉映射下，事物属性结构与其感觉映象结构之间应保持不变，也就是说，感觉映射应该是事物属性集与其感觉记忆集之间的一个同态映射。通常所谓人脑认知结构是外部世界（结构）的反映，只是感觉同态的一种通俗说法而已。反过来，若感觉映射的确是一同映射的话，那么，事物属性的感觉映象结构与该事物的属性结构之间就应该是一致的。
感觉将事物属性转化为其感觉编码，不仅让大脑意识到该事物具有其检测的属性，还在事物属性集与人脑感觉记忆集之间建立起对应关系，所以感觉属性检测又叫感觉定性映射。如果说大脑是靠逐级整合各级神经网络的功能才形成其思维功能的话，那么由于感觉神经元的输出是各种简单属性的感觉映象，其高层神经网络整合的对象就只能是各种简单属性的感觉映象。于是，大脑怎样从这些简单属性的感觉映象中将对象的心理表象或记忆模式整合出来，并利用它们进行各种思维操作，就成了思维与智能研究中的关键问题。
根据感觉同态原理，事物性质（或质的定性）由此而产生的模糊性、非单调性和矛盾性等各种不确定性，不仅要同态地映射到人的感知记忆集中，而且，要在人的各种思维活动中反映出来。也就是说，所谓人类思维与智能的各种不确定性，实质上只是事物性质（或质的定性）的各种不确定性的表现而已。反过来，人类自身感觉阈限，或定性基准也要产生各种变化，感觉输出的各种不确定性感觉映象，又被整合为更高级的、带有各种不确定性的整合属性、关系和结构的记忆模式，人们利用这些记忆模式作其思维的素材，其思维当然会产生各种不确定性。根据感觉同态原理，思维中的这些不确定性是可转化到相应的事物属性集中来加以同态地讨论的，因而，也是可由属性坐标系加以数学表达的。
大脑利用定型的电信号处理它接受和分析的所有信息，外部世界的种种刺激都被量化为或弱或强的生物电流。有充分证据表明，感觉神经元仅对其敏感的事物属性作出反应。从信息科学的角度理解，这意味着感觉神经信号就是神经元对其敏感属性的编码。外部事物属性一般通过光波、声波、电波等模拟物理信息作为输入刺激人类的生物传感器，而感觉神经元输出的感觉编码是一种可符号化的心理信息。因此，感觉属性检测是一种将数值信息转化为符号信息的定性操作过程。更直白地说，感觉神经元实质上是将其敏感的事物属性从包含它们的物理刺激中抽取出来，并转化为该属性感觉映象的定性检测器。
如果要对以上枯燥难懂的文字加以形象的梳理，就是这样一幅图景：人类自从他能被叫做人的那一天起就具备识别物体的能力了——这是剑齿虎，那是长毛象，手里的是棍子。其实进入我们眼睛的不过是不同波长不同数量的光子，是我们的视网膜和大脑的视觉皮层把这些光子进一步加工为不同的属性——这就是信息抽象的过程，作为加工工具的神经网络则部分来自于祖先的遗传，部分来自于自身的进化——最后在我们的脑中能够找到见过的动物的脑细胞，形成了对事物的抽象。在不同的情境下，祖先会发出或表示危险或表示安全或表示高兴或表示悲伤的叫声，语言正是对大脑对不同叫声的抽象结果。有了语言，人类的交流就更加自如了。有时候要表达语言也说不清楚的意思时，就只好拿棍子在地上画画，图画最终抽象成了文字，使人类能够更全面更持久地传递各种经验。
作为一个复杂的多级系统，大脑思维功能源于功能的逐级整合：各神经元的功能被整合为神经网络的功能，各神经网络的功能被整合为神经回路的功能，各神经回路的功能最终被整合为大脑的思维功能。巧妙的是，在逐级整合的过程中，每一个层次上实现的都是“1+1＞2”的效果，在较高层次上产生了较低层次的每个子系统都不具备的“突生性质或功能”。这就意味着思维问题不能用还原论的方法来解决，即不能靠发现单个细胞的结构和物质分子来解决，揭示出能把大量神经元组装成一个功能系统的设计原理，才是问题的实质所在。
大脑的抽象功能把人类和动物区分开来，帮助人类学会了耕种、取火、制作武器等技能，建立了文明，又抽象出文学、数学、物理、化学等分门别类的学科，这些学科反过来有帮助人类创造出今天的社会，科学知识只是人类知识的很小的部分，它只是自然规律信息的投影。人类进步的过程，也是创造抽象信息和使用抽象信息的能力逐步提高的过程。
知觉物体概念的形成具备其特殊的物理基础。脑神经科学研究表明，人脑由大约千亿个神经细胞及亿亿个神经突触组成，这些神经细胞及其突触构成一个庞大的生物神经网络。每个神经细胞通过突触与其他神经细胞进行连接与信息传递。当通过突触所接收到的信号强度超过某个阈值时，神经细胞便会进入激活状态，并通过突触向上层神经细胞发送激活信号。人类所有与意识及智能有关的活动，都是通过特定区域神经细胞间的相互激活与协同工作而实现的。
只有以对人脑的物理性认识作为基础，探讨智能才是水到渠成。在自然界中，智能并非人类的专利，绝大部分动物、甚至某些植物都具备智能，只不过其水准远远低于人类的水平。但这种差异只是数量上的差异，究其本质，自然界的智能都体现为对信息的抽象，蚁群、蜂群、鱼群等群体性动物都表现出集群智能特征，其本质也无外乎是信息的抽象与共享。
人类智能的本质是什么？这是认知科学的基本任务，也是基础科学面临的四大难题中最难解决的一个。根据自底向上的分析方法，人类智能的本质在很大程度上取决于“什么是认知基本单元”。目前的理论和实验结果表明，要分析认知基本单元是什么，合理的方法并非物理的推理或数学的分析，而是设计合理的认知科学实验。已有大量实验结果显示，从被认知的客体角度来看，认知基本单元是知觉组织形成的“知觉物体”。例如当人的视觉系统注意一只飞鸟的时候，它所注意的是整只鸟（知觉物体），而不是鸟的某个特性（形状、大小、位置等），尽管飞行时鸟的特性在时刻变化，但它作为同一个知觉物体的整体性却始终保持不变。用学院腔的话说，知觉物体概念的直觉定义正是在形状、位置等特征性质改变下保持不变的同一性。
归根到底，人脑进行的是复杂度超高的抽象计算，其智能化程度绝非现有计算机的水平可以比拟。眼睛、耳朵等感知器官与注意、意识等高级认知功能之间有高强度的交互作用，而不仅仅是实现信息获取这么简单的功能。人工智能的目标并不是模拟出和人脑功能毫无二致的计算机——那还要人脑做什么呢？更重要的恐怕还是实现互补的功能。计算机和人脑对信息的表征有着本质的区别，实现计算的架构也完全不同，能够获取的样本数也有差别。从第一台计算机诞生到现在不过区区七十年的历史，可人类却是经历了千万年的进化才达到今天的水平，因此要求计算机算法具有与人的智能类似的准确率和推广能力也无异于水中捞月、雾里摘花。
从前文的探讨中可以看出，对人工智能的思考与评价在很大程度上依赖于对“智能”的定义。因此，在讨论人工智能的前景之前，有必要对人类智能的本质进行一些阐释。但思维与智能这个问题本身恐怕用千页篇幅也不能尽述，在此只做挂一漏万的解读。
但问题恰恰在于计算机服务的对象是人，实际需求也是辅助人来实现类似的认知功能，用户不可避免地将计算结果与人的认知过程作比较，并用人的处理结果来评价计算机算法的优劣。不过，估计用户不会满足于一个计算机识别系统只能正确地识别一类物体，他们会很自然地要求设计的系统能够像人一样处理视听觉信息，这正是推动计算机像人一样工作的动力。