另一台计算机正在设置其执行人员任务的智慧。但这台电脑是不同的。而不是深蓝色或沃特森4 TB的有问题的实用程序的游戏强制处理，而是使用与人脑大小相同的规则来游戏。而不是CPU的逻辑优雅，Spaun的计算由在网络中配置的230万个模拟神经元执行，类似于一些大脑自己的网络。它被赋予了一系列的任务，表现相当不错，为创造一个模拟的大脑迈出了重要的一步。
语义指针架构的Spaunstands：统一网络。给了6个不同的任务，测试其识别数字的能力，从内存中回忆，添加数字和完整的模式。其认知网络模拟前额叶皮层以处理工作记忆和基底神经节和丘脑以控制运动。像一个人，Spaun可以查看一个图像，然后给出运动反应;也就是说，它通过相机呈现它看到的图像，然后通过用赢咖4臂绘图来给出响应。
其性能与人脑相似。例如，最简单的任务，图像识别，Spaun显示了各种数字，并要求绘制它看到的内容。它有94％的数字正确。然而，在工作记忆任务中，它并没有那么好。它显示了一系列随机数字，然后要求绘制它们。像我们人类的大脑一样，Spaun发现模式识别任务很容易，工作记忆任务不是那么容易。
这里的重要事情不是Spaun对任务的表现如何 - 您的平均电脑可以找到比Spaun更好的方法。但重要的是，在Spaun的情况下，任务计算完全由230万个人造神经元进行，以真正的神经元飙升的方式将信息从一个神经元携带到另一个神经元。例如，视觉图像被分层处理，多个级别的神经元依次提取更复杂的信息，就像大脑的视觉系统一样。类似地，运动反应模仿了大脑组合许多简单运动的策略，以在绘制时产生最佳的单一运动。
来自加拿大安大略省的Waterlook大学的Chris Eliasmith，研究的主要作者对他的认知创造感到满意。他对CNN说，“它不像猴子那么聪明，”他告诉CNN，“但是它确实比猴子更聪明，因为他们认识到语法模式，输入中的结构化模式，猴子们不会承认。”
观看Spaun的工作通过以下视频中的任务。
Spaun不能做的一件事是实时执行任务。每一秒钟，您都看到Spaun在视频中执行任务实际上需要2.5个小时的人工脑部数字。研究人员希望有一天能够实时执行。
重要的是要注意，Spaun实际上并没有通过执行这些任务来学习任何东西。它的神经网络是硬连线的，并且不能在我们学习时真正的神经元经历的修改。但是，从模拟的神经网络产生复杂的行为仍然是构建人造脑的重要的初始步骤。科罗拉多州科学家写道：“建立模拟大脑的策略”不是简单地纳入最多数量的神经元或最大量的细节，而是在里斯本的Champalimaud神经科学计划的神经学家Christian Machens，重现最大量的功能和行为。“
我们距离赢咖4还有很长的路要走，这是有感情和自觉的。而且，未来的赢咖4是否会有像我们这样的大脑，或者完全不同的解决方案将被用来产生复杂的行为。无论它是什么样子，Spaun是向正确方向迈出的重要一步。
