实际上，就是在读取数据信息后由芯片直接计算出结果，然后输出“告知”负责该工作的众多神经元，抢先报出答案，让大脑在几乎无意识的状态下就能“灵光一闪”，涌现出一串准确的数据。
不过想要嵌入更复杂的运算，就有些困难了。
因为不同的人在想到开根号、开平方这些在自然界中不太直接的计算、或者说较为抽象的概念，神经信号可能有着显着的差别，需要兼容多种模型，重新设计。
作为后天建立起来的思维模型，这跟自然界本就存在的运动神经信号的高度相似性截然不同，毕竟前者属于进化出来的高等智慧，承载着人类的想象力、创造力和逻辑思维能力，后者仅仅是动物天生就有的本能。
随着运算符号的复杂程度不断提升，模型数量很可能将呈指数级增长，不亚于为每一片独特的雪花量身定制一副手套，到了前沿数学、物理的领域，恐怕得采用数以千万计的仿生神经元才能进行正常的信息交互。
值得一提的是，这种速算能力的提升，最好凭借着“直觉”当场报出答案，这样准确率最高，倘若慢慢思考，尽可能地“深思熟虑”，反而会增加出错的可能，其背后隐藏着神经网络系统的基础机制。