綜合幾個重點：大腦（大數據資料庫）、感知（感測元件）、神經（傳導系統）、軟體（溝通指令），就構成人類從小時候學習的基礎模式，從初章就有提到，稍微把這些歸納，負責把這些統整成人工智慧系統，在AI領域稱之為卷積神經網路（Convolutional Neural Networks），所用的辨識方法就是用多維陣列的演算法，在陣列每一格形成相似或相異的數字，在這我們並不太深入這個神經網絡的說明，只會舉例或轉化來讓人理解，例如蛋糕擺在餐桌上，以小嬰兒視野所見，開始他並不知道這是蛋糕，也無從判斷可不可以吃，更不用說碰觸過、嚐過、聞過，可能小嬰兒看到的是蛋糕的各種顏色和形狀，這時大腦中會產生好奇、模糊的映象，就是我們說小孩最純淨的原始狀態，那麼突然發現大人正在吃蛋糕的「狀況劇」出現，這時候小嬰兒的映象開始轉變和記憶，隨著不同情景和片段的的加強，這些「映像」慢慢會形成「學習」的踏階。

好的，就正常的發展是這樣沒錯，那如果上帝造人沒有造全，或者因為後天因素造成損傷，利用現有的AI技術有沒有辦法再造？這是醫療科技一直在思考和亟須突破的難題，最難的不意外就是內臟器官，多少人工化的機械替代器官，有使用年限的窘境，進展是相當緩慢，多數是要採取活體移植的方式，否則就只能靠藥物或外在醫療維生機械來存續生命，這是目前AI最難介入的一塊。但外在器官的AI進程卻是進步神速，例如在前面篇章提到電子耳時，已經可以改善以往傳統助聽器的不便。

那麼在肢體輔助方面的AI技術呢？在前年開始，手腕、手指、指關節、手臂的機械輔助裝備，開始在義肢有所突破，首先在腦外科手術進行植晶片到大腦，手術完畢後，會開始進行一連串手部動作數據建構，利用大腦所釋放出來的微電波，藉由晶片去驅動手部，微細的手指關節動作，以及機械感測觸感，當測試者被摸醫療人員摸小指時，就能很快讀出是「小指」，其他手指也是一樣，這表示初步已達成，唯獨溫度還無法很具體呈現，這就需要不斷的去修正和改良晶片，或許無法回復原樣，但至少已經藉由AI科技重新建構「溝通」的媒介，讓患者心情會有所轉變，人生就不會太灰暗。