Изкуственият интелект използва цифрови невронни мрежи, които са моделирани по образец на човешкия мозък.

Концепцията за изкуствените невронни мрежи датира от 1943 г., когато Уорън Маккълок и Уолтър Питс създават първия математически модел на биологичен неврон. Те описват как нервните клетки в мозъка обработват сложни сигнали чрез прости логически операции. Този теоретичен модел поставя основите на съвременния дълбок изкуствен интелект (Deep Learning).В биологичния мозък ученето се осъществява чрез промяна на синапсите между невроните — процес известен като синаптична пластичност. Изкуствените мрежи имитират това чрез математически „тегла", които определят колко силно един цифров възел влияе на друг. По време на обучението алгоритми като „обратно разпространение на грешката" (backpropagation), популяризирани от Джефри Хинтън през 1986 г., коригират тези тегла, за да намалят грешките в изчисленията.Днес тези мрежи се състоят от милиарди параметри и десетки слоеве, което им позволява да обработват огромни масиви от данни. Например архитектурата на GPT-4 използва трансформаторни модели, които анализират контекстуални връзки в текста по начин, вдъхновен от човешкото внимание. Въпреки че са вдъхновени от биологията, цифровите мрежи работят много по-бързо, но все още не достигат енергийната ефективност на човешкия мозък.