在自然界中，智力有多種形式。它可能是一隻蝙蝠，利用回聲定位技術在黑暗中熟練地導航，或者是一隻章魚，迅速調整自己的行為以在深海中生存。同樣，在計算機科學領域，多種形式的人工智慧正在出現——不同的網絡經過訓練，各自擅長於不同的任務。正如今天將在認知神經科學學會(CNS)第25屆年會上介紹的那樣，認知神經科學家越來越多地使用這些新興的人工網絡，以增進他們對最難以捉摸的智能系統之一——人類大腦——的理解。
麻省理工學院的奧德·奧利瓦說：「認知神經科學家和計算機科學家試圖回答的基本問題是相似的。」「他們有一個由組成部分組成的複雜系統，一個叫做神經元，另一個叫做單元。我們正在做實驗，試圖確定這些組成部分計算出了什麼。」
奧利瓦在CNS研討會上發表了她的研究成果，神經科學家正在研究背景線索在人類圖像識別中的作用。通過使用「人工神經元」——本質上是幾行代碼、軟體——和神經網絡模型，他們可以分析出識別特定地點或物體的各種元素。
「大腦是一個深刻而複雜的神經網絡，」哥倫比亞大學的Nikolaus Kriegeskorte說，他是這次研討會的主席。「神經網絡模型是受大腦啟發的模型，目前在許多人工智慧應用中處於最先進水平，例如計算機視覺。」
在最近的一項研究中，奧利瓦和他的同事們對1000多萬張照片進行了研究，他們教會了一個人工網絡識別350個不同的地方，比如廚房、臥室、公園、客廳等。他們希望這個網絡能夠學習物體，比如與臥室相關聯的床。他們沒有預料到的是，該網絡將學會識別人和動物，例如公園裡的狗和客廳裡的貓。
奧利瓦說，當給定大量數據時，機器智能程序學習非常快，這使它們能夠在如此精細的水平上解析上下文學習。雖然不可能在這樣的水平上解剖人類神經元，但執行類似任務的計算機模型是完全透明的。人工神經網絡作為「微型大腦，可以被研究、改變、評估，並與人類神經網絡給出的反應進行比較，因此認知神經科學家對真正的大腦如何運作有一些粗略的了解。」
確實，Kriegeskorte說這些模型已經幫助神經科學家理解人們如何能夠在眨眼之間識別周圍的物體。他說：「這涉及到從視網膜發出的數以百萬計的信號，掃過一系列的神經元層，提取語義信息，例如，我們看到的是一個有幾個人和一條狗的街景。」「目前的神經網絡模型只能通過生物神經元能完成的計算來完成這類任務。此外，這些神經網絡模型可以在一定程度上預測大腦深處的神經元對任何圖像的反應。」
利用計算機科學來理解人類大腦是一個相對較新的領域，由於計算速度和能力的提高，以及神經科學成像工具的出現，這個領域正在迅速擴大。Kriegeskorte說，人工網絡還不能複製人類的視覺能力，但是通過模擬人類大腦，他們正在進一步了解認知和人工智慧。他說：「在神經科學、認知科學和人工智慧的交叉領域工作，是一個特別令人興奮的時刻。」
事實上，奧利瓦說；「人類認知和計算神經科學是一個快速增長的研究領域，關於人類大腦如何能夠看、聽、感覺、思考、記憶和預測的知識，是開發更好的診斷工具、修復大腦並確保其良好發展的必要條件。」