可泛化的智能可能可以用数据解释。想象一个山峦起伏的解空间，智慧可能就是其中几条山脉的顶端弯曲延绵的几段狭长地带(智慧带)。任何具有泛化能力的智能体都需要有能力把自己的反应落在这个智慧带上。如果偏离这个智慧带，那就是弱智或无智。人类发明的各种机器学习算法，表面上各有不同，但实质上可能都是在尝试逼近智慧带。或者说只有一个算法在某个问题上有能力落到智慧带上，它才能表现出泛化智能。深度学习出现之前，人们很难研究这个解空间和智慧带的相关理论，因为人类智慧主要以神经元和化学反应为载体，很难数学化。无法数学化就很难真正被理解。深度学习出现后，人类首次可以通过数字化工具和数学手段模拟逼近人类的智慧。上面说过所有可泛化的智慧手段可能不同，但殊途同归，都要找到这个智慧带，因此人类可以通过研究神经网络，进一步理解这个智慧带，以及如何更好更高效地把输出限制在这个智慧带上，从而进一步创造高度可泛化的智慧体。其结果就是：虽然我们仍然很难理解人脑是如何快速定位这个智慧带的，但通过“笨拙”的神经网络模型，我们仍然能够找到方法让计算机的结果也尽可能好地落在同一个智慧带上。