另一种常见的批评这样说道：机器是严格按照模块层次结构组织的，而生物是基于元素的整体组织，每个元素都影响着另外的元素。生物独特的能力来源于这种整体设计。此外，只有生物系统可以使用这个设计原则。
新西兰奥塔哥大学的生物学家迈克尔·丹顿指出了生物实体和他所知道的机器两者设计原理的明显不同。丹顿形象地把生物描述为“自我组织、自我指示……自我复制……互惠……自我形成、具有整体性。”41然后他做了一个没有经过论证的转变，简直是一个180°的转变。他说，这种有机形式只能通过生物过程创建，并且这种形式是“不可改变的……深不可测……基本”的存在现实。
丹顿对有机系统的美感、复杂、奇异及相互联系感到“震撼”和“惊奇”，从非对称的蛋白质形状带来的“怪异的其他世界的印象”到诸如人脑这种高阶器官的非凡的复杂度，这种感觉我也有。此外，我同意丹顿说的生物设计代表了一套深刻的原则。但是，准确地说，我的论点是：机器（以人为导向的设计的衍生物）可以访问并已经在使用同样的原则，但是丹顿和其他的整体论学派的批评家都不承认和回应。这一直是我自己的工作要点，并代表了未来的潮流。模拟自然的想法是使未来的技术提供巨大能力的最有效的方式。
生物系统并不完全是整体的，现代的机器也不完全是模块化的，它们都存在于一个连续体上。我们可以在分子水平上确定自然系统中的功能单元，以及在更高的器官和大脑区域层次上的更为明显的动作识别机制。表现在大脑特定区域的理解功能和信息转换的过程正在顺利进行，正如在第4章中讨论的那样。
大脑的每一个方面都与其他方面相互作用的说法是一种误导，说不存在可能理解它的方法也不对。研究人员已经在一些大脑区域确定了信息转换过程，并对此进行了建模。相反，有无数的例子显示，机器并没有用模块的方式来设计，而被设计成各个方面紧密联系，比如在第5章描述的遗传算法的例子就是这样。丹顿写道：
今天，几乎所有的专业生物学家都采用了这种机械/还原的方法，并假设一个生物体（如手表的齿轮）的基本组成部分是最重要的事情，而生物体（如手表）不超过这些部件的总和。而且由部分来决定整体的属性，对一个生物体（如手表）的属性的完整描述可以通过单独的特征部分来表示。
丹顿忽视了这里的复杂过程的能力，认为用新兴的属性可以超越“孤立的部分”。他似乎认识到这一潜在的性质时写道：“一个真正意义上的有机形式……代表真正出现的现实。”但是，几乎没有必要借助丹顿的“生命哲学模式”来解释出现的现实。急诊性能来源于权力的模式，并没有限制模式及其紧急属性的自然系统。
丹顿似乎承认模拟自然的方法的可行性，他写道：
从蛋白质上升到生物体成功构建新的器官的形式将需要一种全新的方法，一种从上到下的设计。由于有机体的部分只作为一个整体存在，有机体不能被一点一点地指定而是由一套相对独立的模块组成，因此整体不可划分的单元全部一起被指定。
丹顿在这里提供了很好的意见，并描述了我和其他研究人员使用在模式识别、理论复杂度（无序）、自组织系统领域通常使用的工程方法。丹顿似乎不知道这些方法论，但是，最后这句不成立。
正如在第5章讨论的，我们可以创建自己的“怪异的其他世界”，但是通过应用发展的有效设计。我说明了如何运用进化的原则，通过遗传算法以创建智能设计。我对这一方法的经验是，良好的结果代表丹顿描述的有机分子在“设计显然不合逻辑和没有任何明显模块化或规律……这种安排的、纯粹的混乱……[和]非机械的印象”。
遗传算法和其他自下而上的自组织设计方法（如在第5章讨论的神经网络、马尔可夫模型和其他人的方法）集成了一个不可预知的因素，因此这种制度的结果是每次运行的都是不同的过程。尽管具有共同智慧的机器是确定的和可预见的，但是机器还是可以获得很多现在的随机来源。当代量子力学的理论假设了深刻的随机性处于生存的核心。根据量子力学的某些理论，似乎任何系统在宏观层面确定的行为只不过是压倒一切统计结果的基于根本无法预料的事件的巨大数字。此外，斯蒂芬·沃尔夫勒姆和其他人的作品已经证明，即使一个系统，在理论上可以完全确定但可以随机产生有效的、最重要的、完全不可预知的结果。
遗传算法和类似的自我组织的方法引起的设计通过驱动的做法不可能抵达模块组成。在“陌生……[是]混乱……动态互动的部分”的整体，丹顿专门为有机结构很好地描述了这些人为发起的混乱过程的结果的品质。
在将遗传算法应用于我所从事工作的过程中，我发现该算法能够逐步改建设计。遗传算法并不是通过每次设计单独的子系统而达到其设计目的，而是通过每次对整体施加影响而达到设计目的的，这使得很多小的分布式的改变贯穿整个设计，从而渐进式地改进了整体性适配或解决方案的能力。解决方案本身从简单到复杂，逐渐呈现出来。遗传算法所构建的解决方案通常具有非对称性、不美观，但效率高的特点，这与自然极为相似，当然也有可能产生优雅甚至美丽的解决方法。
丹顿认为现代的大多数机器如当今的常规计算机都采用模块化方式设计，他的想法是正确的。这种设计想对于传统技术来讲有着某种重大的工程优势。例如，计算机有着比人类更为准确的记忆，同时和单独的人类智慧相比，他可以执行更有效地逻辑转换。最重要的是，计算机可以随时分享他们的存储内容和模式。正如丹顿阐述的那样，自然的混乱的非模块化方法也具有明显的优势，以及阐明丹顿，这一点已经被人类模式识别的强大能力所证实。但这是完全没有道理的飞跃说，因为当前的（同时正在减少！）对于人类导向技术的限制，这种技术是生物系统本身所继承的，所固有的，同时存在于世界之外的。
大自然的精致设计（例如眼睛）得益于深刻的进化过程。我们当今最复杂的遗传算法包含数万位遗传密码，而像人类这样的生物实体，是由数十亿比特的遗传密码所组成（压缩后仅数千万字节）。
然而，就像所有的信息化的技术一样，遗传算法和其他所有的启发式算法的复杂性都是呈指数级别增长的。如果我们仔细的检查这种复杂性的增长率，我们会发现它将在未来的两年内达到与我们人类智慧复杂性相符的程度，这一点也从我们对软件和硬件发展趋势的估计中得到印证。
丹顿指出，我们还没有成功的以三维形式表现蛋白质结构，“甚至它只有100个组成成分”。但是，就是在最近几年我们就可以利用一些工具来虚拟化这些蛋白质的三维模型。此外，模拟原子间的相互作用力需要拥有每秒1014次计算能力。在2004年底，IBM推出了一版蓝色基因/L的超级计算机，它拥有每秒大约1014计算能力。这正如它的名字所暗示的，它可望能够提供模拟蛋白质三维结构的能力。
我们已经成功地切割，拼接和重新安排遗传密码，并利用自然本身的生化工厂生产复杂的生物酶和其他物质。诚然，现在这些方面的工作都是在二维模式下进行的，但是虚拟化和模型化更加复杂的三维自然形式所需的计算资源已经指日可待了。
在和丹顿讨论蛋白质问题过程中，他自己也承认问题最终会得到解决，并且估计大概需要十年左右的时间。某项伟大的技术在没有实现之前是不可能不经历一番激烈的讨论的。丹顿写道：
凭借我们对一种生物体基因的了解将不能预测编码的有机形式。哪怕是对基因和他们的初级产品以及现行氨基酸序列做出最为详尽的分析，也不能推断出关于个体蛋白质或者更高的组成形式，比如核糖体和整个的细胞的性质和结构特点。
尽管丹顿的上述观察基本上是正确的，但是它主要是表明基本组只是整个系统的一部分。DNA代码并不代表全部，他的分子支持系统对于整个工作系统是必需的，因此也需要被我们所理解。我们还需要核糖体和使DNA能够正常运行的其他分子的设计。然而，这些设计并不会显著的改变生物领域设计信息的数量。
但是，重新创建具有大规模并行，数字控制分析，全息图像、自我组织、混沌处理的人类大脑并不需要我们折叠蛋白质。正如在第4章讨论的那样，已经有很多项目成功的实现神经系统再造。其中也包括可以成功植入人体大脑中的不需要任何蛋白质折叠的神经系统。然而，虽然我知道丹顿的关于蛋白质被认为是大自然整体存在方式的说法，要模仿这些方式也并没有什么实质性的技术障碍，我们也已经铺垫好了这条路。
总之，丹顿过快的得出了关于物质世界的物质和能量所组成的复杂系统是不能表现出“突发的……生物体的重要特征例，例如自我复制，变形，自我再生，自我组装和生物设计的整体组合”，除此之外，“生物和机器属于不同的存在类别”。登布斯基和丹顿都认为机器作为实体只能通过模型的方式被设计和构建的想法是有局限的。我们能够并且已经开始构建一些“机器”，它们综合所有自然自组织的设计原理，有着比每个部分单纯加在一起更为强大的能力，它们将推动人类技术的大幅发展。这将是一项艰巨的组合。