另一種常見的批評這樣說道：機器是嚴格按照模塊層次結構組織的，而生物是基於元素的整體組織，每個元素都影響著另外的元素。生物獨特的能力來源於這種整體設計。此外，只有生物系統可以使用這個設計原則。
新西蘭奧塔哥大學的生物學家邁克爾·丹頓指出了生物實體和他所知道的機器兩者設計原理的明顯不同。丹頓形象地把生物描述為「自我組織、自我指示……自我複製……互惠……自我形成、具有整體性。」41然後他做了一個沒有經過論證的轉變，簡直是一個180°的轉變。他說，這種有機形式只能通過生物過程創建，並且這種形式是「不可改變的……深不可測……基本」的存在現實。
丹頓對有機系統的美感、複雜、奇異及相互聯繫感到「震撼」和「驚奇」，從非對稱的蛋白質形狀帶來的「怪異的其他世界的印象」到諸如人腦這種高階器官的非凡的複雜度，這種感覺我也有。此外，我同意丹頓說的生物設計代表了一套深刻的原則。但是，準確地說，我的論點是：機器（以人為導向的設計的衍生物）可以訪問並已經在使用同樣的原則，但是丹頓和其他的整體論學派的批評家都不承認和回應。這一直是我自己的工作要點，並代表了未來的潮流。模擬自然的想法是使未來的技術提供巨大能力的最有效的方式。
生物系統並不完全是整體的，現代的機器也不完全是模塊化的，它們都存在於一個連續體上。我們可以在分子水平上確定自然系統中的功能單元，以及在更高的器官和大腦區域層次上的更為明顯的動作識別機制。表現在大腦特定區域的理解功能和信息轉換的過程正在順利進行，正如在第4章中討論的那樣。
大腦的每一個方面都與其他方面相互作用的說法是一種誤導，說不存在可能理解它的方法也不對。研究人員已經在一些大腦區域確定了信息轉換過程，並對此進行了建模。相反，有無數的例子顯示，機器並沒有用模塊的方式來設計，而被設計成各個方面緊密聯繫，比如在第5章描述的遺傳算法的例子就是這樣。丹頓寫道：
今天，幾乎所有的專業生物學家都採用了這種機械/還原的方法，並假設一個生物體（如手錶的齒輪）的基本組成部分是最重要的事情，而生物體（如手錶）不超過這些部件的總和。而且由部分來決定整體的屬性，對一個生物體（如手錶）的屬性的完整描述可以通過單獨的特徵部分來表示。
丹頓忽視了這裡的複雜過程的能力，認為用新興的屬性可以超越「孤立的部分」。他似乎認識到這一潛在的性質時寫道：「一個真正意義上的有機形式……代表真正出現的現實。」但是，幾乎沒有必要借助丹頓的「生命哲學模式」來解釋出現的現實。急診性能來源於權力的模式，並沒有限制模式及其緊急屬性的自然系統。
丹頓似乎承認模擬自然的方法的可行性，他寫道：
從蛋白質上升到生物體成功構建新的器官的形式將需要一種全新的方法，一種從上到下的設計。由於有機體的部分只作為一個整體存在，有機體不能被一點一點地指定而是由一套相對獨立的模塊組成，因此整體不可劃分的單元全部一起被指定。
丹頓在這裡提供了很好的意見，並描述了我和其他研究人員使用在模式識別、理論複雜度（無序）、自組織系統領域通常使用的工程方法。丹頓似乎不知道這些方法論，但是，最後這句不成立。
正如在第5章討論的，我們可以創建自己的「怪異的其他世界」，但是通過應用發展的有效設計。我說明了如何運用進化的原則，通過遺傳算法以創建智能設計。我對這一方法的經驗是，良好的結果代表丹頓描述的有機分子在「設計顯然不合邏輯和沒有任何明顯模塊化或規律……這種安排的、純粹的混亂……[和]非機械的印象」。
遺傳算法和其他自下而上的自組織設計方法（如在第5章討論的神經網絡、馬爾可夫模型和其他人的方法）集成了一個不可預知的因素，因此這種制度的結果是每次運行的都是不同的過程。儘管具有共同智慧的機器是確定的和可預見的，但是機器還是可以獲得很多現在的隨機來源。當代量子力學的理論假設了深刻的隨機性處於生存的核心。根據量子力學的某些理論，似乎任何系統在宏觀層面確定的行為只不過是壓倒一切統計結果的基於根本無法預料的事件的巨大數字。此外，斯蒂芬·沃爾夫勒姆和其他人的作品已經證明，即使一個系統，在理論上可以完全確定但可以隨機產生有效的、最重要的、完全不可預知的結果。
遺傳算法和類似的自我組織的方法引起的設計通過驅動的做法不可能抵達模塊組成。在「陌生……[是]混亂……動態互動的部分」的整體，丹頓專門為有機結構很好地描述了這些人為發起的混亂過程的結果的品質。
在將遺傳算法應用於我所從事工作的過程中，我發現該算法能夠逐步改建設計。遺傳算法並不是通過每次設計單獨的子系統而達到其設計目的，而是通過每次對整體施加影響而達到設計目的的，這使得很多小的分佈式的改變貫穿整個設計，從而漸進式地改進了整體性適配或解決方案的能力。解決方案本身從簡單到複雜，逐漸呈現出來。遺傳算法所構建的解決方案通常具有非對稱性、不美觀，但效率高的特點，這與自然極為相似，當然也有可能產生優雅甚至美麗的解決方法。
丹頓認為現代的大多數機器如當今的常規計算機都採用模塊化方式設計，他的想法是正確的。這種設計想對於傳統技術來講有著某種重大的工程優勢。例如，計算機有著比人類更為準確的記憶，同時和單獨的人類智慧相比，他可以執行更有效地邏輯轉換。最重要的是，計算機可以隨時分享他們的存儲內容和模式。正如丹頓闡述的那樣，自然的混亂的非模塊化方法也具有明顯的優勢，以及闡明丹頓，這一點已經被人類模式識別的強大能力所證實。但這是完全沒有道理的飛躍說，因為當前的（同時正在減少！）對於人類導向技術的限制，這種技術是生物系統本身所繼承的，所固有的，同時存在於世界之外的。
大自然的精緻設計（例如眼睛）得益於深刻的進化過程。我們當今最複雜的遺傳算法包含數萬位遺傳密碼，而像人類這樣的生物實體，是由數十億比特的遺傳密碼所組成（壓縮後僅數千萬字節）。
然而，就像所有的信息化的技術一樣，遺傳算法和其他所有的啟髮式算法的複雜性都是呈指數級別增長的。如果我們仔細的檢查這種複雜性的增長率，我們會發現它將在未來的兩年內達到與我們人類智慧複雜性相符的程度，這一點也從我們對軟件和硬件發展趨勢的估計中得到印證。
丹頓指出，我們還沒有成功的以三維形式表現蛋白質結構，「甚至它只有100個組成成分」。但是，就是在最近幾年我們就可以利用一些工具來虛擬化這些蛋白質的三維模型。此外，模擬原子間的相互作用力需要擁有每秒1014次計算能力。在2004年底，IBM推出了一版藍色基因/L的超級計算機，它擁有每秒大約1014計算能力。這正如它的名字所暗示的，它可望能夠提供模擬蛋白質三維結構的能力。
我們已經成功地切割，拼接和重新安排遺傳密碼，並利用自然本身的生化工廠生產複雜的生物酶和其他物質。誠然，現在這些方面的工作都是在二維模式下進行的，但是虛擬化和模型化更加複雜的三維自然形式所需的計算資源已經指日可待了。
在和丹頓討論蛋白質問題過程中，他自己也承認問題最終會得到解決，並且估計大概需要十年左右的時間。某項偉大的技術在沒有實現之前是不可能不經歷一番激烈的討論的。丹頓寫道：
憑借我們對一種生物體基因的瞭解將不能預測編碼的有機形式。哪怕是對基因和他們的初級產品以及現行氨基酸序列做出最為詳盡的分析，也不能推斷出關於個體蛋白質或者更高的組成形式，比如核糖體和整個的細胞的性質和結構特點。
儘管丹頓的上述觀察基本上是正確的，但是它主要是表明基本組只是整個系統的一部分。DNA代碼並不代表全部，他的分子支持系統對於整個工作系統是必需的，因此也需要被我們所理解。我們還需要核糖體和使DNA能夠正常運行的其他分子的設計。然而，這些設計並不會顯著的改變生物領域設計信息的數量。
但是，重新創建具有大規模並行，數字控制分析，全息圖像、自我組織、混沌處理的人類大腦並不需要我們折疊蛋白質。正如在第4章討論的那樣，已經有很多項目成功的實現神經系統再造。其中也包括可以成功植入人體大腦中的不需要任何蛋白質折疊的神經系統。然而，雖然我知道丹頓的關於蛋白質被認為是大自然整體存在方式的說法，要模仿這些方式也並沒有什麼實質性的技術障礙，我們也已經鋪墊好了這條路。
總之，丹頓過快的得出了關於物質世界的物質和能量所組成的複雜系統是不能表現出「突發的……生物體的重要特徵例，例如自我複製，變形，自我再生，自我組裝和生物設計的整體組合」，除此之外，「生物和機器屬於不同的存在類別」。登布斯基和丹頓都認為機器作為實體只能通過模型的方式被設計和構建的想法是有局限的。我們能夠並且已經開始構建一些「機器」，它們綜合所有自然自組織的設計原理，有著比每個部分單純加在一起更為強大的能力，它們將推動人類技術的大幅發展。這將是一項艱巨的組合。