科学与AI之间的联系，许多AI的先驱科学家也是脑科学家

　　从人工智能（artificial intelligence, AI）发展的历史来看，我们可以清楚地看到脑科学与AI之间的联系，许多AI的先驱科学家也是脑科学家。
　　使用显微镜发现的生物大脑的神经连接启发了人们对人工神经网络的研究；使用电子探测器发现的卷积特性和多层结构启发了人们对卷积神经网络和深度学习的研究；使用正电子发射断层扫描（PET）成像系统发现的注意力机制启发了人们对注意力模块的研究；使用功能磁共振成像（fMRI）技术发现的工作记忆启发了人们对机器学习模型中记忆模块的研究，并最终发展成为对长短期记忆模型（LSTM）的研究；使用双光子成像系统发现的学习时期形成的脊柱变化启发了人们对弹性权重巩固（EWC）模型的研究。
　　虽然目前AI领域和脑科学领域似乎有些脱节，但是脑科学的研究成果揭示了与AI原理相关的一些重要问题，并进一步使AI在理论和技术上取得了重大突破。现在我们处于深度学习时代，而深度学习更是直接受到了脑科学的启发。我们可以看到，越来越多的脑科学研究成果可以激发新的深度学习模型。在不久的将来，AI的下一个突破很可能来自于脑科学。
　　二、受脑科学启发的 AI
　　AI的研究目标是开展理论研究和开发能够代替生物智能或人类智能来执行任务的计算机系统，并且该系统具有感知、识别、决策和控制等功能。相反，脑科学（亦被称为神经科学）的研究目标是研究生物大脑的结构、功能和运行机制，如大脑是如何处理信息、做出决策以及与环境交互的。显然，AI可以被看作是对人类智能的模拟。
　　因此，研究AI的一种简单的方法是将AI与脑科学及其相关领域（如认知科学和心理学）相结合。事实上，许多AI研究的先驱，如Alan Turing、Marvin Minsky和Seymour papert、 John McCarthy和Geoffrey Hinton，都对这两个领域非常感兴趣并为AI的研究做出了巨大的贡献，这也归功于他们在脑科学方面的扎实背景。
　　在现代计算机问世之后，AI的研究目标是建立智能 “思维”机器。自AI诞生以来，AI与脑科学之间就存在着相互联系。在20世纪初，由于显微镜的发展，研究人员观察到了包括大脑在内的神经系统中神经元之间的联系。受到神经元之间相互联系的启发，计算机科学家开发了人工神经网络，这是AI史上最早、最成功的模型之一。
　　1949年，Hebbian学习算法被提出，它是最早的学习算法之一。该算法的提出是受到了生物神经系统力学的启发。当突触两侧（输入和输出）的神经元具有高度相关的输出信号时，两个神经元之间的突触会被加强；同样，在Hebbian学习算法中，当输入与输出信号高度相关时，学习算法会增强两个神经元之间的连接权重。
　　之后，人工神经网络受到研究人员的广泛关注。一项具有代表性的研究成果是感知器，它直接模拟了大脑中的信息存储和组织功能。感知器是一种具有多维输入信号的单层人工神经网络，它为之后的多层网络的发展奠定了基础。