«NeuroAI», що поєднує «нейронауку» та «штучний інтелект» (ШІ), швидко привертає увагу як дослідницька сфера. Ще кілька років тому вона була маловідомою, а нині займає помітне місце на семінарах, конференціях та навчальних програмах, включаючи воркшопи Ініціативи BRAIN. Це напрям поєднує мету ШІ з відтворення інтелекту та розуміння нейронауки про мозкоподібні обчислення. ШІ використовує нейронні мережі для моделювання мозку, перевіряючи теорії про нейронні обчислення, відображаючи ідею Річарда Фейнмана, що справжнє розуміння приходить через створення. Тим часом, нейронаука надихає ШІ на створення систем, здатних досягати людських можливостей, формуючи зворотний зв'язок, що прискорює обидві сфери. В застосуваннях ШІ, як-от DeepLabCut, ШІ оптимізує аналіз даних у нейронауці, схоже на його роль у згортанні білків або розпізнаванні зображень, але це не чистий «NeuroAI». Зв'язок між ШІ та нейронаукою сягає 1945 року, коли Джон фон Нейман створив звіт про архітектуру комп'ютера EDVAC, натхненний статтею Маккалока та Піттса 1943 року про нейронні мережі.

Перцептрон Френка Розенблатта 1958 року розвинув ідею навчання мереж з використанням даних, на яку вплинула робота Дональда Хебба з синаптичної пластичності. Хоча одношарові перцептрони мали обмеження, концепція синапсів як адаптивних елементів навчання залишається вагомою. Симбіотичні розробки, такі як згорткова нейронна мережа (CNN), натхнені моделями зорової кори, та підкріплювальне навчання, представлене Google AlphaZero. Техніки на кшталт drop out імітують збій нейронів для підвищення стійкості нейронних мереж. Ці взаємозв'язки збагачують як ШІ, так і нейронауку; нейронні мережі розширюють наше розуміння мозкових обчислень, надихаючи на створення нових моделей та алгоритмів. По мірі розвитку NeuroAI, поглиблюється наше розуміння інтелекту як у біологічному, так і в штучному контекстах, обіцяючи подальшу інтеграцію та розширення цих сфер. Ця серія есе розкриє ці трансформативні зв'язки та практичні й етичні питання, які вони породжують.