在一场由语言和认知學家斯蒂芬?平克(steven Pinker)主持的专题讨论中，麻省理工學院“大脑、思想与机器”(MIT rs Brains，Minds，andMachines)座谈会的各小组成员要求回归该领域早年间的研究模式，由好奇心驱动研究，而不是由应用来驱动研究。
　　“你可能会奇怪为什么没有机器人能去修复日本的核反应堆。”马文?明斯基(Marvin Minsky)说，他在20世纪50年代倡导了神经网络，并致力于推动人工智能和机器人领域的进步。“答案就是20世纪60年代和70年代有许多的研究进展，之后就出了问题。(今天)你会看到學生对能够打篮球、踢足球、跳舞或扮鬼脸的机器人感兴趣，(但是)他们并没有让这些机器人更智能。”
　　帕特里克?温斯顿(PatrickWinston)在1972年到1997年间，担任麻省理工人工智能实验室(MIT’sArtificial Intelligence Laboratory)的主任，他同意明斯基的说法。“对于没有进展这个观点，许多人是反对的，但是我认为没有人能抗议在过去20年本来是应该有更大进展的。错误发生在20世纪80年代。”
　　温斯顿说，造成这种停滞的原因部分是冷战后研究资金的短缺，也因为对商业化人工智能的早期尝试。但最大的问题是领域内的“机械分割”，研究专注于越来越窄的专业，如神经网络或遗传算法。“当你把会议专注于机制时，那就有可能不解决基础问题，但是那些问题(正好)可以用机制来解决。”温斯顿说。
　　温斯顿说，他相信研究人员会关注那些让人类与其他灵长类动物不同的东西，或者是和穴居人不同的东西。一旦研究人员觉得已经发现了让人类与众不同的东西，他们将开发出这些计算模型，在真实系统中实现这些属性，这样他们就可以发现模型中的差异，根据需要进行精炼。温斯顿猜测，让人类与众不同的魔力因素就是我们能够用语言功能创造和理解故事。“一旦有了故事，就具有了区别于其他物种的创造力。”
　　埃米利奥?比兹(Emilio Bizzi)是麻省理工學院麦戈文脑科學研究所(MIT’s McGovern Institute of BrainResearch)的创始人之一，他认为，研究人员应该专注于研究人类智力的重要元素，如能够概括學习经验，或流畅地行动以回避障碍物，来达到一定的目的，如抓住一副眼镜。“未来几年，我们将有很大的进展，我对此是很乐观的，原因是分散在世界上不同地方的实验室都在从事仿人机器人研究。”
　　有两位语言學家诺姆?乔姆斯基(Noam Chomsky)和芭芭拉?帕提(Barbara Partee)都对我们对于语言的理解做出了重大贡献，他们把语言解释为一个计算现象，而不是纯粹的自然现象。他们都认为对人类语言的理解是创造能够真正思考的机器的关键。“真正理解语义學是任何所谓智能的先决条件。”帕提说。
　　乔姆斯基嘲笑那些机器學习方面的研究者，他们使用纯统计方法来模拟真实世界的行为，但并不试图理解该行为的意义。乔姆斯基把这些研究人员与那些研究蜜蜂归巢舞蹈的人相比较，那些人只是产生基于统计的舞蹈仿真而没有试图理解蜜蜂究竟为什么那么跳。“如果这就是科學成功的概念，那将是非常新颖的，我不知道科學史上有类似这样的事情。”乔姆斯基说。
　　悉尼?布莱尼(Sydney Brenne)与弗朗科斯·克里克(Francis Crick)一起解译DNA，并在细胞水平梳理出线虫的完整神经结构，他同意说人工智能和神经科學的研究人员或许是被表面细节所吓倒，而不是寻求深层次更大的问题。看着那些复制线虫神经“布线图”到复杂生物体的尝试，布莱尼担心神经和感知學家对这些尝试“过分热心”。他说，应该重新关注那些高级问题。他用智能手机照相作类比，没有人会使用晶体管级的语言来描述这样的动作，而用高级子系统和软件来讨论进展将会更有用。