相对应地，具有较小感受野的网络在类别空间关系加工任务中表现得更好，而具有较大感受野的网络在数量空间关系加工任务中表现得更好。

    然而，Sergent则对两种空间关系加工的分离提出了争论，她认为如果两个系统是分离的，那么数量加工系统所加工的数量距离信息就不会对类别加工产生影响。而实际上对类别空间关系的加工的确会受到距离的影响，这种影响的表现之一为：在HeUige和Michimata的Bar-Dot任务中，点与棒的距离越远对类别空间关系的判断越快也越准确。Kosslyn等利用网络模拟对此做出的解释是：任务难度是影响类别和数量关系加工的因素之一，而任务难度可以通过距离，数量关系来控制。然类别和数量关系加工都受到距离的影响，然而这只能说明两者可能涉及一些共同的加工过程或机制，不能说明两者是同一个加工系统。因此Kosslyn认为，数量信息对类别关系加工的影响并不能成为两者不是分离的证据，因为两者同时受到第三个因素即任务难度的影响，这种影响可能只能说明两个系统的分离并不是绝对的，而是相对的，即使大脑的两个半球分别加工两种不同的空间信息，这两个加工系统之间也还是存在联系的。

    Kosslyn所作的解释似乎并没有能够停止其他研究者对这项研究的争论。Kosslyn用于实验的神经网络模型被Cook所反驳。Cook认为Kosslyn实验中所得到的分离网络相对于非分离网络的学习优势产生于输入层与输出层神经元之间低水平的相关 ......