وقام العلماء بعمل تدريبا يتطلب البيانات التي يتم تصنيفها من قبل البشر، وغالبا ما تتخذ خلالها الشبكات العصبية طرقًا مختصرة لتعلم ربط التسميات بأقل قدر من المعلومات، على سبيل المثال، قد تستخدم الشبكة العصبية وجود العشب للتعرف على صورة بقرة، لأن الأبقار عادةً ما يتم تصويرها في الحقول ووسط الأعشاب.
وبالنسبة للباحثين المهتمين بالتقاطع بين الذكاء البشري/ الحيواني والآلي، قد يكون هذا التدريب محدودًا فيما يمكن أن يكشفه عن الأدمغة البيولوجية، حيث إن الحيوانات والبشر لا يستخدمون مجموعات البيانات المصنفة للتعلم، لكنهم يستكشفون البيئة بمفردهم، وبذلك يكتسبون فهمًا ثريًا وقويًا للعالم.
وبدأ بعض علماء الأعصاب الحاسوبيين في استكشاف الشبكات العصبية التي تم تدريبها باستخدام القليل من البيانات الموصوفة بشريًا أو بدونها، وأثبتت خوارزميات "التعلم الذاتي" نجاحًا هائلاً في نمذجة اللغة البشرية، ومؤخرًا في التعرف على الصور.
وأظهرت النماذج الحسابية للأنظمة المرئية والسمعية للثدييات التي تم إنشاؤها باستخدام نماذج التعلم تحت الإشراف الذاتي، تطابقًا أوثق مع وظائف الدماغ مقارنة بنظرائهم من ذوي التعلم الخاضع للإشراف، وبالنسبة لبعض علماء الأعصاب، يبدو أن الشبكات الاصطناعية بدأت في الكشف عن بعض الأساليب الفعلية التي تستخدمها أدمغتنا للتعلم.
وظهرت نماذج الدماغ المستوحاة من الشبكات العصبية الاصطناعية منذ حوالي 10 سنوات، في نفس الوقت تقريبًا الذي أحدثت فيه الشبكة العصبية المسماة AlexNet ثورة في مهمة تصنيف الصور غير المعروفة، وهذه الشبكة، مثلها مثل جميع الشبكات العصبية، كانت مكونة من طبقات من الخلايا العصبية الاصطناعية، ووحدات حسابية تشكل روابط مع بعضها البعض والتي يمكن أن تختلف في القوة، أو "الوزن"، وإذا فشلت الشبكة العصبية في تصنيف صورة بشكل صحيح، تقوم خوارزمية التعلم بتحديث أوزان الاتصالات بين الخلايا العصبية لتقليل احتمالية سوء التصنيف في الجولة التالية من التدريب.
وطور علماء الأعصاب النماذج الحسابية الأولى للنظام البصري الرئيسي، باستخدام الشبكات العصبية مثل AlexNet وخلفائها، وبدا الاتحاد واعدًا، حيث إنها عندما عُرضت على القرود والشبكات العصبية الاصطناعية نفس الصور، على سبيل المثال، أظهر نشاط الخلايا العصبية الحقيقية والخلايا العصبية الاصطناعية مراسلات مثيرة للاهتمام.
ومع تقدم المجال، أدرك الباحثون حدود التدريب تحت الإشراف، على سبيل المثال، في عام 2017، التقط ليون جاتيس، عالم الكمبيوتر آنذاك في جامعة توبنغن في ألمانيا، وزملاؤه صورة لسيارة Ford Model T، ثم غطوا نمط جلد النمر عبر الصورة، ما أدى إلى تكوين صورة غريبة ولكن يسهل التعرف عليها، وصنفت شبكة عصبية اصطناعية رائدة الصورة الأصلية بشكل صحيح على أنها نموذج T، لكنها اعتبرت الصورة المعدلة نمرًا، حيث ركز على النسيج ولم يكن لديه فهم لشكل السيارة أو النمر، لهذه المسألة.