复杂系统是不适合用形式系统（基于一组确定性规则以及其在状态空间的转移来确定）来建模的，尽管人类具备这种还原论的天然倾向（把世界想象为一组基本的统一的确定性规则，然后不断演化而成）。
而神经网络，其本质可以看做是一种通过分布式表征，来存储关于任务的记忆，或者说存储任务相关的学习数据（正负样本）的记忆，训练的过程就是记忆的过程，而任务功能以复杂系统的自组织涌现的模式而对外呈现出来。
反过来说，神经网络利用了复杂系统的自组织和涌现的能力，去实现了一个去中心化的，无先验结构的，可持续学习和进化的，具备记忆能力的可以实现复杂任务的系统。
而最典型最强大的这样的系统就是人的大脑。而这也说明了，我们难以用基于规则的形式系统的方法论去解释和理解大脑。
进一步，随着我们对于世界的认识越来越深刻和复杂，后现代作为一种以复杂性为内核的思想，也就具备了其合理性和认识论上的意义。