本文讨论了“浅层大脑假说”，该假说挑战了深度学习和预测编码中大脑执行分层皮层处理的常见假设。
它认为，虽然皮质区域通常被描述为较高或较低的层次结构，但实际上所有皮质区域都直接投射到皮质下区域并接收来自皮质下区域的信号。
深度学习和预测编码架构通常假设神经网络中的推理是分层的。然而，深度学习和预测编码架构中很大程度上被忽视的是神经生物学证据，即所有分层皮层区域（无论较高还是较低）都直接投射到皮层下区域并直接从皮层下区域接收信号。
浅层大脑假说认为：大脑处理可能比想象的更少层次，更集成，涉及皮层和皮层下之间的并行路径。
浅层大脑假说提出：分层皮层处理与涉及皮层下区域的大规模并行过程相集成。这种架构允许利用皮质微电路和丘脑皮质环路的计算能力。
作者认为，这种浅层架构比深层层次结构更具优势，并且更全面地展示了哺乳动物大脑如何实现快速、灵活的计算。
关于神经网络和人脑之间关系的不同观点
- 神经学家过度比较两者
- 神经网络，尽管有它们的名字，但它的工作方式与生物神经元不同，它们的发展是由实际实验和改进以及对其工作方式的真实、实际理解相结合来指导的。
- 残差网络和卷积神经网络等概念来自计算观察，而不是试图模仿大脑。
- 虽然大脑可能不使用分层特征检测器，事实证明分层特征检测器工作得非常好，并且即使大脑不这样做也没关系。
- 几乎每一次让神经网络模仿生物神经元的尝试都惨遭失败
- 神经网络研究基于“重复的实际实验，而不是试图模仿我们放在身体上的肉块。