Természetesen nem lehet kikerülni a komputációt és a modellezést, legalábbis ezek arcészleléssel kapcsolatos kutatásait, modelljeit és gyakorlati alkalmazásukat. Azt megígérhetem az olvasónak, hogy a komplex matematikai és anatómiai ismereteket igénylő részletességig nem fogok eljutni. Ha teljesen laikusként belegondolunk, akkor ezeknek a modelleknek vagy arcfelismerő masináknak iszonyatosan sok dolgot kellene tudniuk. Számtalanszor említettük már, hogy az arcon lévő információk jó része pillanatról pillanatra változik. Mi tudjuk, hogy ettől a személy még ugyanaz marad, de egy gépnek ezt meg kell tanítani. Ha ezeket az ismereteket mind egyenként kellene betáplálnunk egy gépbe, akkor már egy ember esetén is őrületes mennyiségű képi információt kell bevinnünk és tárolnunk. Gondoljunk bele, hány embert ismerünk (és hányat ismerünk fel az esetek túlnyomó részében pontosan)! Vajon képesek erre a modellek és az arcfelismerő gépek? A modellek elsődleges célja, hogy a reprezentációt és a feldolgozás természetét próbálják megérteni. Előnyük, hogy a feldolgozási rendszer minden szintjén be tudnak avatkozni, és ennek a beavatkozásnak elkülönítve is láthatjuk a kimeneten tükröződő hatásait, következményeit. Ki lehet mutatni például, hogy az arcok abban az értelemben speciálisak, hogy egy olyan ingerosztály tagjai, ahol egyedi szinten kell különbséget tennünk. Ez az elkülönítési feladat követel meg olyan transzformációkat, amelyek a hasonló elemeket elkülönítve reprezentálják, és amely transzformációk új kategóriaelemekre is általánosíthatóak lesznek. E fejezetnek (és a könyv alapfilozófiájának) nem célja a konkrét modellállomások bemutatása, ezek megértéséhez ugyanis nélkülözhetetlen a vizuális rendszer anatómiai és funkcionális jellegzetességeinek beható ismerete, mindezek túlmutatnak a könyv keretein. Most csak annyit, hogy ezek a modellek esetenként nagyban különböznek realitásuk, illetve a paraméter-összeállításuk mértékében (vagyis abban, hogy van-e beépített tanuló rendszer, amely jelentősen meggyorsítja például az általánosítás kialakulását). Mégis hogyan működik egy ilyen felismerő rendszer a gyakorlatban? Van-e például jó érzelemfelismerő rendszer?