A metafora neurális elmélete mellett Lakoff „bizonyítékként” olyan idegtudományi érveket hoz, amelyek valójában hipotézisek (Lakoff 2014), mi több, ezek az érvek valójában nem kísérleti eredményeken, hanem komputációs modellezésen alapulnak (pl. Feldman és Narayanan 2004), vagyis szó sincs szó szerinti idegtudományról. Bár a neurális hálókon alapuló konnekcionista modellek igen fontos forrásai az elmeműködés megértésének (Rumelhart és McClelland 1986), távolról sem arról van szó, hogy azért, mert egy adott neurális modell az emberi viselkedéshez hasonló működést produkál, bizonyítva lenne, hogy az emberi agy is valóban éppen olyan módon funkcionál. Az efféle konnekcionista hálókat finoman szólva is túlzás neurális működésként feltüntetni, ugyanakkor a jelenség jól rámutat arra, hogyan fonódnak össze a kognitív tudomány második hullámának „ellenforradalmi” áramlatai. A konnekcionista modellezés eliminativista fősodra évtizedek óta azzal van elfoglalva, hogy a nyelvet szabályok és szavak nélkül, az elmét komputációk és reprezentációk, az agyat pedig műveletek és változók nélkül írja le (Marcus 2001). A manapság használt neurális modellezés, gépi tanulás (machine learning), illetve deep learning kifejezések csupán nagyobb komputációs erővel bíró, de azonos elveken nyugvó változataira utalnak. Ez a megközelítés Chomsky, Miller, Bruner, Simon és Newell munkáival fordul szembe, akik az 1950-es évektől kezdve újra tudományos vizsgálódás tárgyává tették az elme tartalmait – ezért forradalmi a kognitivizmus, a behaviorizmus „sötét középkora” után –, és ismét beemelték az elme tanulmányozásának tudományába a láthatatlan (szellemi) mozgatóerőket (műveleteket és reprezentációkat), amelyeket ismét legitim lett kifinomult modellekkel leírni (akár a gravitációt a fizikában) (Pléh 2010).