在自然界裏，智能存在多種形式——蝙蝠利用回聲定位，在黑夜裏熟練地導航；章魚能夠迅速改變行為(wei) ，在深海裏生存……同樣地，在計算機科學界裏，也正冒出多種形式的人工智能——不同的網絡練習(xi) 處理不同的任務。如今，認知神經科學家越來越愛利用新興(xing) 的人工智能網絡，來增進對人類大腦的理解——這是最難理解的智能係統之一。

認知神經科學家和計算機科學家希望解答的本質問題是類似的。他們(men) 都在研究由部件構成的複雜係統——一個(ge) 是神經元，另一個(ge) 是單元。他們(men) 都在通過實驗探究這些部件的計算方式。大腦是一種深度而複雜的神經網絡。如今，在許多人工智能應用(如機器視覺)中，模擬大腦的神經網絡模型是頂尖技術。

目前，神經科學家正在探究環境線索對人類圖像識別的作用。麻省理工學院的Aude Oliva等人利用“人造神經元”(即代碼和軟件)和神經網絡模型，解析地點或物體(ti) 識別過程中的多種因素。

最近，他們(men) 進行了一項研究，涉及超過1千萬(wan) 張圖像。他們(men) 成功教會(hui) 一個(ge) 人造網絡識別350個(ge) 不同地點(如廚房、臥室、公園、客廳)。他們(men) 指望這個(ge) 網絡能夠學習(xi) 識別物體(ti) ，例如和臥室有關(guan) 的床。但出乎意料的是，它居然能夠學習(xi) 識別人類和動物，例如公園裏的狗、臥室裏的貓。

麵對大量數據時，這個(ge) 計算智能網絡的學習(xi) 速度非常快——Oliva稱，大量數據也是它能夠如此精確地解析環境學習(xi) 的原因。盡管科學家無法在這個(ge) 層麵上仔細研究人類神經元，但執行類似任務的計算機模型是完全透明的。科學家可以研究、改變、評估作為(wei) “迷你大腦”的人工神經網絡，甚至將它和人類神經網絡的反應進行比較。所以，針對人類大腦的運作方式，認知神經科學家現在也有些大致了解。

確實，這類模型幫助神經科學家理解人類如何瞬間識別周圍物體(ti) 。在這個(ge) 過程中，視網膜發出幾百萬(wan) 個(ge) 信號，這些信號迅速傳(chuan) 遍層層神經元，再由神經元提取語義(yi) 信息。目前，神經網絡模型可以僅(jin) 采用生物神經元能夠執行的計算方法，來執行這類任務。此外，在一定程度上，這類神經網絡模型可以預測大腦深處的神經元對任意圖像如何作出反應。

利用計算機科學理解人類大腦是個(ge) 新興(xing) 領域。由於(yu) 計算速度、計算能力、神經科學成像工具的進展，該領域也得到了迅速發展。目前，人工智能網絡還無法複刻人類的視覺能力；但通過模仿人類大腦，科學家能夠進一步理解人類認知和人工智能。這是神經科學、認知科學、人工智能的交叉領域。

隻有理解人類大腦如何看、聽、感受、思考、記憶、預測，才有望開發出更好的診斷工具，用以修複大腦、確保大腦發育良好。