人工智能解决方案关联论则、是利用仿生神经网络来训练这种网络获得相应的能力，而程序员自己并不完全清楚所设计的程序面对某种情形具体会作出什么反应。
虽然过去人们对联结主义有很高的期望，但现实中符号主义仍然占主导地位。在过去的10年中，特别是深度学习(多层神经网络)的逐步成功之后，人们才开始对连接主义产生更多的看法。接下来的十年中，联结主义都将保持稳定。
因此，被看好的神经网络能实现强人工智能解决方案吗？
回答是不行。人类的大脑由100亿个神经元组成，每一个神经元的每个都不像逻辑电路那样固定输入，产生固定的输出。与此同时，不同神经元之间的联系方式多种多样，信息传递的方式也各不相同。任一大脑神经元的复杂性远远超过了当今存在的任何一台超级计算机，所以要想用人工神经网络的方式模拟人类大脑的工作，并产生以当前技术水平无法产生思维能力的思想。
高科技人工智能解决方案的实现要素。
现在最有希望的技术是神经网络，它试图模拟人类大脑皮层的神经结构，以实现强人工智能解决方案。尽管如此，从目前来看很难实现强人工智能。现在研究发现神经元并不像逻辑电路，同样的输入也有相同的输出，关键在于相同的输入可以产生不同的输出。因此目前脑科学仍是个黑箱。
要实现强人工智能解决方案，首先是脑神经科学的研究已经达到了它的顶峰，已经完全明确了大脑皮层间神经网络的工作方式。接下来是算力。在传统的计算模式下，计算能力已经很难被提升。要实现强人工智能，计算机的算力也是一个关键因素，在海量数据或经验面前，目前的计算机计算速度远远不够。
