在自然界中，情报有多种形式。它可能是一只使用回声定位技术在黑暗中专业导航的蝙蝠，或者是一只章鱼迅速适应其行为以在深海中生存。同样，在计算机科学世界中，正在出现多种形式的人工智能-不同的网络都经过训练以胜任不同的任务。正如今天在认知神经科学学会(CNS)第25届年会上将要介绍的那样，认知神经科学家越来越多地使用那些新兴的人工网络来增强对最难以捉摸的智能系统之一-人脑的理解。

麻省理工学院的奥德·奥利瓦(Aude Oliva)说：“认知神经科学家和计算机科学家寻求回答的基本问题是相似的。”“他们有一个由组件组成的复杂系统-一个被称为神经元，另一个被称为单位-我们正在做实验以确定这些组件的计算结果。”

在她在中枢神经系统研讨会上发表的奥利瓦(Oliva)的工作中，神经科学家正在学习很多有关上下文线索在人类图像识别中的作用的知识。通过使用“人工神经元”(本质上是代码行，软件)和神经网络模型，它们可以解析出识别特定位置或对象的各种要素。

主持该研讨会的哥伦比亚大学的尼古拉斯·克里格斯科特说：“大脑是一个复杂的深层神经网络。”“神经网络模型是受大脑启发的模型，现在在许多人工智能应用(例如计算机视觉)中都是最新技术。”

在最近一项对超过1000万张图像的研究中，奥利瓦(Oliva)及其同事教授了一个人工网络，可以识别350个不同的地方，例如厨房，卧室，公园，客厅等。他们希望该网络学习与床相关的物体带一间卧室。他们没想到的是，该网络将学会识别人和动物，例如公园的狗和客厅的猫。

Oliva说，当给定大量数据时，机器智能程序的学习速度很快，这使它们能够在如此精细的水平上解析上下文学习。虽然不可能以这样的水平剖析人类神经元，但是执行类似任务的计算机模型是完全透明的。人工神经网络充当“可以与人类神经网络的反应进行比较，研究，改变，评估和比较的微型大脑，因此认知神经科学家对真实大脑的功能有一些粗略的了解。”

实际上，Kriegeskorte说，这些模型已经帮助神经科学家理解人们如何眨眼就能识别周围的物体。他说：“这涉及从视网膜发出的数百万个信号，这些信号扫过一系列神经元层，提取语义信息，例如，我们正在看一个有几个人和一只狗的街景。”“当前的神经网络模型只能使用生物神经元可以执行的计算来执行此类任务。此外，这些神经网络模型可以在某种程度上预测大脑深处的神经元将如何响应任何图像。”

利用计算机科学来了解人的大脑是一个相对较新的领域，由于计算速度和功能以及神经科学成像工具的发展，该领域正在迅速扩展。Kriegeskorte说，人工网络尚不能复制人类的视觉能力，但是通过对人类大脑进行建模，它们可以进一步增进对认知和人工智能的理解。他说：“在神经科学，认知科学和AI的交汇处工作是一个非常激动人心的时刻。”

确实，奥利瓦(Oliva)说;“人类认知和计算神经科学是一个快速发展的研究领域，而有关人类大脑如何能够看到，听到，感觉，思考，记住和预测的知识对于开发更好的诊断工具，修复大脑是必不可少的，并确保它发展良好。