Theo Jeff Hawkins hoạt động của bộ não được tổ chức theo nhiều phân cấp với nhiều tế bào nơron trong mỗi phân cấp. Trong mỗi phân cấp, các nơron liên lạc với nhau và gửi
thông tin lên xuống trong quá trình nhận dạng và xử lý thông tin. Tuy nhiên, mô hình mạng HTM chỉ dừng ở việc học đặc trưng tổng quát, gom nhóm theo thời gian nhưng các nút trong cùng một lớp chưa thực hiện liên lạc với nhau và các nút giữa các phân lớp chỉ liên lạc theo chiều đi lên (bottom-up) mà chưa có chiều đi xuống (top-down). Chính vì vậy mạng HSBN do chúng tôi đề ra nhằm giả lập tri thức theo chiều đi xuống của bộ não khi xử lý thông tin. Vì vậy ta nhận thấy rằng thực sự mạng HTM chưa hoạt động theo đúng mô hình hoạt động bộ não mà Jeff Hawkins đề xuất.
Chúng tôi nhận thấy rằng mạng HTM cho kết quả sai trong trường hợp nhiều đối tượng được huấn luyện cùng đặc trưng trạng thái không gian. Ví dụ: chân bàn và chân ghế, mặt bàn và mặt ghế vì những không gian này trùng lắp nhau hoặc sai lệch nhau rất ít. Vì vậy mô hình cần được thực nghiệm trên số lượng đối tượng lớn, các họ đối tượng khác nhau để có thể rút trích thông tin kết quả của các đối tượng. Hay nói cách khác, mạng HTM không thể thực hiện phán đoán thông tin đối tượng bất kì một cách chính xác dựa trên những gì huấn luyện; mà nó chỉ có thể phán đoán đúng nếu đối tượng đầu vào và đối tượng huấn luyện sai số trong một phạm vi cụ thể như độ dịch pixel, độ mất thông tin pixel. Vì vậy việc thống kê kết quả đạt được trên các hình dạng khác nhau của đối tượng sẽ góp phần cải tiến thuật toán HTM.
Chúng tôi tin rằng việc tiếp tục nghiên cứu theo hướng tạo và cải tiến mô hình hoạt động HTM, các mô hình tin học hóa tập trung thị giác sử dụng HTM sẽ dẫn đến một kỉ nguyên mới của máy tính. Đó là tạo ra những sản phẩm tin học thông minh hoạt động như con người.