在自然界里，智能存在多种形式——蝙蝠利用回声定位，在黑夜里熟练地导航；章鱼能够迅速改变行为，在深海里生存……同样地，在计算机科学界里，也正冒出多种形式的人工智能——不同的网络练习处理不同的任务。如今，认知神经科学家越来越爱利用新兴的人工智能网络，来增进对人类大脑的理解——这是最难理解的智能系统之一。

认知神经科学家和计算机科学家希望解答的本质问题是类似的。他们都在研究由部件构成的复杂系统——一个是神经元，另一个是单元。他们都在通过实验探究这些部件的计算方式。大脑是一种深度而复杂的神经网络。如今，在许多人工智能应用(如机器视觉)中，模拟大脑的神经网络模型是顶尖技术。

目前，神经科学家正在探究环境线索对人类图像识别的作用。麻省理工学院的Aude Oliva等人利用“人造神经元”(即代码和软件)和神经网络模型，解析地点或物体识别过程中的多种因素。

最近，他们进行了一项研究，涉及超过1千万张图像。他们成功教会一个人造网络识别350个不同地点(如厨房、卧室、公园、客厅)。他们指望这个网络能够学习识别物体，例如和卧室有关的床。但出乎意料的是，它居然能够学习识别人类和动物，例如公园里的狗、卧室里的猫。

面对大量数据时，这个计算智能网络的学习速度非常快——Oliva称，大量数据也是它能够如此精确地解析环境学习的原因。尽管科学家无法在这个层面上仔细研究人类神经元，但执行类似任务的计算机模型是完全透明的。科学家可以研究、改变、评估作为“迷你大脑”的人工神经网络，甚至将它和人类神经网络的反应进行比较。所以，针对人类大脑的运作方式，认知神经科学家现在也有些大致了解。

确实，这类模型帮助神经科学家理解人类如何瞬间识别周围物体。在这个过程中，视网膜发出几百万个信号，这些信号迅速传遍层层神经元，再由神经元提取语义信息。目前，神经网络模型可以仅采用生物神经元能够执行的计算方法，来执行这类任务。此外，在一定程度上，这类神经网络模型可以预测大脑深处的神经元对任意图像如何作出反应。

利用计算机科学理解人类大脑是个新兴领域。由于计算速度、计算能力、神经科学成像工具的进展，该领域也得到了迅速发展。目前，人工智能网络还无法复刻人类的视觉能力；但通过模仿人类大脑，科学家能够进一步理解人类认知和人工智能。这是神经科学、认知科学、人工智能的交叉领域。

只有理解人类大脑如何看、听、感受、思考、记忆、预测，才有望开发出更好的诊断工具，用以修复大脑、确保大脑发育良好。