人工知能の進化は、明確なパラダイムシフトを示している。それは記号的AI（GOFAI）から結合主義へと移行した。歴史的に、AIは「トップダウン」的な帰納的推論に依存しており、人間がコード化したルールがすべての結果を支配していた。このアプローチは論理パズルには正確だったが、モラベックの逆説——高レベルな推論は計算上容易である一方で、低レベルの感覚運動技能（顔の認識など）をハードコードするのはほぼ不可能であるという事実に気づいたことだ。

一方、生物学的にインスパイアされた計算は「ボトムアップ」的な誘導学習戦略を採用する。固定された指示に従うのではなく、人工ニューラルネットワークは分散表現を使って原始データからパターンを識別する。これらのアーキテクチャは人間の脳の並列処理や可塑性を模倣しているが、それらが数学的抽象であることを認識することが重要だ。彼らは線形代数と微積分を利用して機能的な結果を得ており、生物学的忠実度よりも計算効率を優先している。