神经系统对于多路信号的同步相关性认知，实际上也是一个概率问题，例如春天发芽，秋天落叶，冬天下雪，这是季节气候变化形成的常态化现象，因为经常同步发生，所以在人们的认知系统中沉淀为一种常识，然而，这种常识并不总是绝对的。理论上来说，不同事物同步发生的次数越多，它们之间的相关性也越大，但是无论发生多少次，结果都不具有绝对性，因为个体在其有限的生命期内无法穷尽所有的潜在相关情况，更不可能直观的体验两个可能的相关性事件在无穷的时间和无穷的参照系下的实际相关性，如果可以，意味着个体可以直接获知真理，这显然是谬论。既如此，神经系统只能基于有限的规则来获取对不同事物之间相关性的测算，测算精度如果太高，意味着校验条件极其严苛，会极大的消耗能量，并带来低效率，同时由于这种校验位于认知体系的底层，太过精确会导致高层的调节失去存在的价值，甚至走向一种极端化[*]；测算精度如果太低，意味着校验条件较为松散，虽然效率高但准确度低。神经系统在长期的进化中，筛选出了一套符合个体生存需要的一套相关性校验机制，它体现在最底层的神经元之上。神经元激发动作电位存在激活阈值，并且阈值还会因为不同的组合方式、不同的激发程序而发生变化，由此导致个体在认知和行为上的适应性差异。一个谨小慎微的人，触发其行为响应的阈值较高，需要的触发条件更多，一个乐观积极的人，触发其行为响应的阈值相对较低。从感应链路和通信过程的基本机理对比中可以看出，认知源于一种行为调节系统（对应感应链路的响应系统）之上的概率相关，它对应着一种可量化的作用关系，因此其本质就是一种信息。简单的认知过程如此，复杂的认知亦如此。
皮层是神经网络的重要组成部分，每一类皮层对应着一套解码系统，可以完成对不同信号的解码工作。神经网络是一个不断迭代的系统，每一个经感受器所传入的刺激信号对这个系统都会造成影响，并或多或少连带影响着着后续的认知解码过程。造成这一现象的原因在于，感知系统是以相关性校验的方式处理所传入的信号的，每一次的刺激信号传入，都会因为相关或不相关而影响着靶细胞，致使传导通路或兴奋、或抑制，或更容易激活，或更难激活。每一个神经元就是网络当中的一个节点，每一次信号刺激就影响了连接通路的活性，这个过程等同于神经网络对节点线路权重的赋值。神经网络对通路活性的修正不是随意给定的，而是与传入的信息高度相关。每一次赋值，就相当于一个经验的沉淀，为大脑的成熟贡献一份力量。神经网络在进行解码的同时就在积累着经验的印迹，这是它具有环境适应性的基础。丛觉对刺激信号的基于相关性的组合分化校验机制，代表着神经网络的基本底层逻辑，单层网络实现了单一要素特征的特异化校验，多层网络实现了对组合特征的特异化校验，一个有限层数的神经网络就足够容纳一定精度的万物识别能力。
对于通信网络来说，则有很多不同之处。一方面，通信网络中单次的信号传输并不会影响整个网络，在不造成拥塞的情况下，对后续的信息传输并没有什么影响。另一方面，一条传输通路跟另一条传输通路之间也可以互不干扰、同时进行，系统进行校验时不是针对通路与通路之间的关系，而是针对单个通路当中的具体信号。另外，通信网络的终端既做编码器，又做解码器，因此任意一条单一通路均具有意义，但对于神经网络来说，一条单一的链路如果没有激活响应系统，也没有与其它的通路进行关联，那它将失去意义。
通信网络一般是共用链路传输的，为了保障信息的准确性，需要尽力排除各种干扰，并通过地址编码来标记不同来源不同去向的信号，来自不同节点的信号片段可能会聚在一个链路中打包传输，但本质上发送出的信号依然是相互独立的。通信网络对信号的编码，实质上就是对信号进行时间和空间上的分割，虽然总体构成一个网络，但它本质上依然是一个一对一的系统。而神经网络在处理信号时则既没有对时间进行分割，也没有对空间进行分割，相反，神经网络按照同步节奏将不同的信号分批融合在了一起，从通信网络的角度来看，这就是信号之间的相互干扰。神经网络判定的不是信号的完整性和准确性，它判定的是信号的同步相关性。人的认知过程实际上是基于一种有限信号样本下的归纳统计，认知系统赋予统计结果一种映射关联，在这个过程中，原有的细节信息被扔掉了。这也是为什么我们能够非常清晰的辨认出面前的人到底是谁，可是当闭上眼的时候，我们对那张刚刚辨识的脸却只有非常模糊朦胧的认知，因为皮层在处理信号的时候，所做的操作是进行信号相关性融合，虽然在视皮层所采集的原始信号依然存在，但在向联合皮层传递信号并生成关联认知时，仅需特征信息即可，大量的基础信息在后期关联运算中被摒弃了。基于此，可以推导出一个重要结论：神经网络的本质是对关系进行分割！同一组要素以同样的结构同步触发，无论这种触发发生在什么时候，神经系统都把它理解为同一待处理对象，因为这是同一种关系，但通信网络则不同。基于对关系的分割，神经网络可以进行分析关系、处理关系、输出关系乃至建构关系等高级处理程序，这些程序的对外表现就是关联能力、联想能力、预测能力、发散能力、推导能力等，神经网络是支撑这些复杂认知处理能力的基本构件。
神经网络虽然具有智慧，但它是以牺牲细节信息为代价换来的。通信网络虽然越来越智能化，但却谈不上智慧，它仅相当于一个单层神经网络，相比于通信网络，互联网络又有新的特点。如果从微观角度来看的话，互联网络与通信网络的作用机理是基本一致的，但是从宏观的、发展的角度来看待互联网络的话，它与神经网络又有诸多相似之处。神经网络的每一个节点（即神经元）就是一个微型处理系统，互联网络的每一个节点（即终端或服务器）也是一个处理系统；神经网络的每一次通信都对系统有影响，互联网络的每一次交互过程也会被网络所记录下来，并影响到其它用户的偏好选择，讯息越交互就越多，就越对用户有吸引力；神经网络会校验信号之间的相关性，互联网络会催生出同类讯息的生态平台；神经网络越用越聪明，互联网络越用越智能……互联网络的节点虽然是终端，但它本质上是人的延伸，是由人来驱动，并且它能够比通信网络更为全面的承载人的需求，这也是互联网络为什么与神经网络呈现相似之处的原因。互联网络可以理解为神经网络在宏观世界中的一种降维映射，而物联网，则是基于互联网络的一种升维映射，它不仅融合了虚拟的讯息，还融合了生产链路和物资资源，它可视为神经网络在地球村的映射。
