的确，皮层是人的大脑进化中最年青的部分。大脑中有一些老得多的但更为初级的结构，这样的结构也可以在鸟类、爬行动物、两栖动物和鱼类中找到。一些科学家假定，基本的感受性如性欲、疼痛和所有的伺服机制，是爬行动物的生存所必要的，从根本上说是在这些早期的大脑结构中实现的。这种中心将会刺激所有各种活动，把皮层仅仅用作为巨大而有效的联想装置。因此，在这种解释中，“自我”就被大脑中的小爬虫体代替了，大脑以某些高度复杂的设施如皮层来发挥作用，从而在越来越复杂的环境中生存下来。意向性由于皮层而变得可能，但却是由人的大脑中的爬虫体的基本本能激起的。
具有高度有效的神经生存手段的爬虫体的概念，比起上一世纪流行的达尔文信条——猿是人的祖先，显得更加损伤我们的虚荣心。当然，从科学的观点看，这不是我们自尊心的受损，而是促使我们对“神经爬虫体”概念进行批判。主要的根据在于，我们的感受性并不停留在爬虫体水平上，而是在生物和文化的进化中得到了发展。
我们的性欲和疼痛感受性都是相当复杂，因为它们受到由人脑产生出来的相当复杂、精致的文明的影响。因此，从爬虫体时代直到今天，是某种复杂的反馈改进了我们的感受性和欲望。文学、艺术和心理学的历史表明，性欲和疼痛都是处于永恒进化中的人脑的高度精致的状态。因此，甚至传统的人的灵魂的概念，在复杂系统框架中仍然是一个或多或少有些敏感的问题。但是，我们必须放弃关于人的精神和灵魂的传统观念，它们被看作某种奇怪实体，以某种原则上不可思议的方式控制着人的身体并与之相互作用。
5复杂系统和人工智能的进化
机器能够思维吗？图林提出的这个著名问题在复杂系统框架中具有新的讨论意义。本章先对莱布尼茨和他的机器思维纲领（通用数学）以来的计算机科学史作一简短回顾（5．1节）。现代的可计算性理论使我们能够进行问题的复杂性分类，即划分对它们的算法或计算程序的计算时间的函数的级别。现代计算机科学感兴趣的，不仅仅是通用问题求解的复杂性而且还有基于知识程序的复杂性。在特定的领域中模拟人类专家问题求解行为的专家系统，是一个著名的例子。我们还要进一步问一问，是否可以期待从量子计算机和量子复杂性理论中得到更有效的问题求解方法（5．2节）。
但是在采用程序控制的计算机算法机械化时遇到几个严重的障碍，是增加计算能力所不能克服的。例如，模式识别、运动协调和其他复杂的人的学习任务，都是图林类型计算机程序所难以把握的。人工神经网络实现了复杂动力学系统的原理。它们得到了非线性动力学在固态物理学、自旋玻璃体物理学、化学平行计算机、光学平行计算机、激光系统中和对于人脑的成功应用的鼓舞（5．3节）。人工神经网络已经在神经仿生学、医学和机器人学中得到了一些应用。新技术应用的另一个更为推测性的方面是赛博空间。虚拟现实在世界范围的远距离通信者的社会中已经成为一个关键词（5．4节）。显然，图林的“机器能否思维？”这个问题不可能由复杂系统探究方式作出最终的回答，尽管我们可以运用人工神经网络来完成一些有趣的认知任务。