人类智能由多种认知功能构成，这些功能直接或间接地由各种外部刺激激活。认知科学和神经科学的计算方法部分基于这样的观点：对此类认知功能和疑似与之对应的大脑操作进行计算模拟，有助于进一步揭示有关这些功能和操作的知识，特别是它们如何协同工作。这些方法还部分基于这样的观点：实证神经科学研究，无论是在此类模拟之后进行的（因为模拟和实证研究实际上是互补的），还是其他方式，都可以帮助我们构建更好的人工智能系统。这是基于这样的假设：大脑看似运作的原理，如果可以理解为计算的原理，至少应该作为人工智能系统运作的原理进行测试。本文探讨了大脑的一些原理，这些原理似乎是大脑自主、问题自适应性质的原因。这里阐述的大脑操作系统 (BrainOS) 是对正在进行的工作的介绍，该工作旨在创建一个强大的集成模型，将神经网络背后的联结主义范式和人工智能许多其他领域背后的符号范式结合起来。BrainOS 是一种自动方法，它根据 (a) 手头的输入、(b) 先前的经验（先前解决问题尝试的结果历史）和 (c) 世界知识（以符号方式表示并用作解释其方法的手段）选择最合适的模型。它能够接受多种混合的输入数据类型、处理历史和目标、提取知识并推断情境背景。BrainOS 的设计旨在通过其不仅能够选择最合适的学习模型，还能够根据手头的任务有效地校准它来提高效率。