Amikor azt kérdezzük, milyen hatással van a mesterséges intelligencia (AI) az agyról és lélekről alkotott modellekre, a kérdést meg kell vizsgálnunk történeti perspektívából is. A technológia és tudomány közötti kölcsönös, egymásba fonódó inspirációt illusztrálja a mesterséges intelligencia fejlődése is. Eredetileg a neurobiológia inspirálta a neurális hálózatok elméletének kifejlődését. A neurális hálózatok elméleti összefoglalása először a párhuzamos feldolgozási folyamatok (Parallel Distributed Processes, PDP) cím alatt jelent meg az 1980-as években (Rumelhart–McClelland–Asanuma, 1986). Alapos magyar bemutatását adja a Pléh (1997) szerkesztette kötet. A PDP-rendszerben vázolt elméleti keretből nőttek ki azok az alapelvek, amelyek a gépi tanulás (machine learning, ML), majd később a „mély tanulás” (deep-learning) algoritmusaihoz vezettek, és amelyeket mind szélesebb körben alkalmazunk. Azonban, míg az eredeti PDP-iskolához fűződő neurális hálók nyíltan megfogalmazott célja az agyműködés és a kognitív funkciók modellezése volt a neuronhálózatokkal, ez a motiváció mára megváltozott, és olyan praktikus célokra összpontosít, mint orvosi diagnosztikai döntések és soktényezős feladatok megoldása, például az önvezető autók vezérlése. Tehát az eredeti célkitűzéssel szemben, amely megkísérelte az elmének az agy neuronhálózataihoz való viszonyát megérteni oly módon, mint ahogy a software viszonyul a hardware-hez, ezek az új keletű algoritmusok az agy biológiai hálózatán implementálható algoritmusoktól mind jobban eltávolodtak, és ez az egymást kölcsönösen inspiráló kapcsolat az agyműködés és a tanuló algoritmusok között évtizedekre megszakadt. A mai ML és a deep-learningben alkalmazott konvolúciós hálózat algoritmusoknak nem sok köze van az agyműködéshez. Nem is várjuk el, hogy az AI hétköznapi alkalmazásai, mint például az Amazon Alexája, a Google-asszisztens vagy az Apple Sirije az emberi elme működésén alapuljon, vagy az arra vonatkozó ismereteinket gazdagítsa. Kezdetben az idegtudósok kérdezték, miként segíthet a számítástechnika az idegrendszerről alkotott elképzeléseik modellezésében és szimulációjában. A szerepek közben megcserélődtek, és egyre inkább a mérnökök fordulnak támpontokért az idegtudósokhoz, hogy az agy miként old meg bizonyos feladatokat. Ezt az irányt képviseli a neuromorfikus tervezés (neuromorphic engineering), a mérnöki tudományok új ága. Az Intel új Loihi neuromorphic processzora például 130 ezer mesterséges neuront és 130 millió szinapszist tömörít magában, amelyekkel biológiai neuronhálózat-szerű komputációt hivatott végrehajtani (Davies és mtsai, 2018).