认知是个很大的问题，比如自动驾驶，我们怎么认知前面的汽车，行人，标志。现在一般的做法是精细化的抓取特征识别。当然做多个特征的识别，并且调整阈值。
另外呢，会对部分特征做一些概率上分析。但这样做永远都做不完，简单的说，工程师们想了半天抽取各种特征识别小孩子，结果目标设计都完成了，测试的时候测试人员带了个戴兔子帽的小孩子，工程师们立刻傻眼。
以我们文字识别为例子，对文字各种特征抽取，但是一旦碰到变体，干扰码，文字识别就傻眼了。
这里最大的问题是，人类识别文字，不做阈值计算，不做概率的近似分析，我们看字在99%情况下，一眼就看明白了。人类与机器最大的区别是，人有非常强的抽象功能。
再比如我们看森林，这是图像识别最大的难处，因为在暗处的叶子颜色，几乎和在明处的树干颜色是一样的，但是我们不会把叶子当作树干。我们会根据光线的线性变化，识别出暗处的叶子。
再比如如果我们对文字打上五彩，在背景上也打上五彩，只是文字的五彩有文字的五彩规律，背景是另外的规律，人类依然可以轻松识别出来文字，我们人类非常容易识别这种线性的变化规律。其实小动物都会。而且人类和小动物都无需特别训练，天生如此。
人类具有这种天生的抽象能力，使得他们能够在陌生环境，或者多变的生物环境中生存。不然什么都要重新抓取特征，重新训练，人类祖先早就被灭了。要做好认知，识别。现在神经元网络那套，根本不够用。这种抽象能力还得从头开始。