Sự phát triển của Trí tuệ nhân tạo đánh dấu một sự chuyển dịch mô hình rõ rệt từ AI biểu tượng (GOFAI) sang Chủ nghĩa kết nối. Về mặt lịch sử, AI phụ thuộc vào suy luận quy nạp theo hướng "từ trên xuống", nơi các quy tắc do con người mã hóa điều khiển mọi kết quả. Cách tiếp cận này tuy chính xác với các bài toán logic, nhưng lại thất bại ở Mâu thuẫn Moravec—nhận thức rằng suy luận cấp cao là dễ tính toán, trong khi kỹ năng cảm giác-vận động cấp thấp (như nhận diện khuôn mặt) gần như không thể mã hóa cứng.

Ngược lại, Tính toán lấy cảm hứng từ sinh họcáp dụng chiến lược học tập quy nạp theo hướng "từ dưới lên". Thay vì tuân theo các hướng dẫn cố định, các mạng nơ-ron nhân tạo sử dụng đại diện phân tán để nhận diện các mẫu từ dữ liệu thô. Mặc dù các kiến trúc này mô phỏng quá trình xử lý song song và tính linh hoạt của bộ não con người, điều quan trọng là phải nhận ra chúng là các khái niệm toán học trừu tượng. Chúng tận dụng đại số tuyến tính và giải tích để đạt được kết quả chức năng, ưu tiên hiệu quả tính toán hơn là độ chính xác sinh học.