คอมพิวเตอร์มีบทบาทต่อการทำวิจัย และค้นคว้าในวงการแพทย์

            ในปี พ.ศ. ๒๔๘๖ อาจถือได้ว่า เป็นปีแห่งการกำเนิดของสาขาโครงข่ายประสาทเทียม ในวงการวิทยาศาสตร์ โดย แม็คคัลลอช (Mc Culloch) และ พิทส์ (Pitts) ได้เสนอแบบจำลองของเซลล์ประสาท และได้แสดงให้เห็นว่า ในทางทฤษฎีแล้ว โครงข่ายของแบบจำลองเซลล์ประสาทดังกล่าว สามารถทำงานเป็นโปรแกรมคอมพิวเตอร์ใดๆ ก็ได้

            ปี พ.ศ. ๒๔๙๒ โดนัลด์ เฮบบ์ (Donald Hebb) ได้เสนอผลงานวิจัยว่า การเรียนรู้ของสมอง สามารถอธิบายได้ด้วยรูปแบบของการประกอบเซลล์ประสาทเข้าด้วยกันเป็นโครงข่าย และได้เสนอกฏการเรียนรู้ของเฮบบ์ (Hebb's rule) ที่ทำให้โครงข่ายของเซลล์ประสาทเทียมที่แม็คคัลลอชและพิทส์ได้เสนอไว้ สามารถเรียนรู้ปัญหาง่ายๆ ได้สำเร็จ การเรียนรู้ในแบบของเฮบบ์บนเซลล์ประสาทเทียมของแม็คคัลลอชและพิทส์นั้น เป็นการเรียนรู้แบบ "ไม่มีผู้สอน" ซึ่งในทางปฏิบัติแล้ว โครงข่ายประสาทเทียมที่ทำการเรียนรู้ จะพยายามทำการจัดกลุ่มข้อมูลที่โครงข่ายมองว่า คล้ายคลึงกัน นำไปไว้ในกลุ่มเดียวกัน ซึ่งไม่เหมาะสมกับปัญหาประเภทที่ต้องมีการควบคุมกระบวนการเรียนรู้

            ในช่วงพุทธทศวรรษ ๒๔๙๐ คอมพิวเตอร์ที่ทำงานเลียนแบบสมองเครื่องแรกของโลก ถูกสร้างและทดสอบ โดยมินสกี้ (Minsk) ซึ่งได้เสนอผลงานดังกล่าวในปี พ.ศ. ๒๕๑๑ เมื่อคอมพิวเตอร์ดังกล่าวได้รับการป้อนตัวอย่าง สำหรับการเรียนรู้เข้าไป ก็จะสามารถปรับอัตราการขยายสัญญาณในการเชื่อมโยง หรือ "ความแข็งแรงของการเชื่อมโยง" ระหว่างเซลล์ประสาทเทียมได้เองโดยอัตโนมัติ ซึ่งเป็นการแสดงการเรียนรู้ตัวอย่างที่ถูกป้อนเข้าไป

            ในปี พ.ศ. ๒๕๐๑ แฟรงค์ โรเซ็นแบลทท์ (Frank Rosenblatt) ได้พัฒนาสถาปัตยกรรมโครงข่ายประสาทเทียมขึ้น โดยใช้แบบจำลองของแม็คคัลลอชและพิทส์ เป็นแนวทาง รวมทั้งเสนอวิธีการเรียนรู้แบบใหม่ สำหรับสถาปัตยกรรมโครงข่ายประสาทเทียมดังกล่าวด้วย โครงข่ายประสาทเทียมดังกล่าวเรียกว่า เพอร์เซพตรอน (Prceptron) ซึ่งมีการเรียนรู้แบบ "มีผู้สอน" (supervised learning) โดยการปรับความแข็งแรงของการเชื่อมโยง ซึ่งจะพิจารณาได้จากการเปรียบเทียบความรู้ของโครงข่ายประสาทเทียม กับความรู้ของ "ผู้สอน" (teacher) เพอร์เซพตรอนมีความเหมาะสมกับงานประเภท "การระบุชนิด" ซึ่งในระหว่างการเรียนรู้นั้น เพอร์เซพตรอนจะถูกสอนว่า ข้อมูลตัวอย่างที่สอนเข้าไปแต่ละแบบนั้น จัดเป็นชนิดใดบ้าง หากปัญหา และข้อมูลตัวอย่าง มีความเหมาะสม เพอร์เซพตรอนจะสามารถระบุชนิดของข้อมูล ที่ไม่เคยเห็นมาก่อนได้ถูกต้อง

            ในช่วงต้นพุทธทศวรรษ ๒๕๐๐ เบอร์นาร์ด วิโดรว (Bernard Widrow) และมาร์เชียน ฮอฟฟ์ (Marcian Hoff) ได้พัฒนาอุปกรณ์ที่เรียกว่า อดาไลน์ (ADALINE;Adaptive Linear combiner) และกฏการเรียนรู้แบบใหม่ที่มีประสิทธิภาพสูงเรียกว่า กฏการเรียนรู้ของวิโดรว-ฮอฟฟ์ (Windrow-Hoff learning rule) ที่เป็นการเรียนรู้แบบ "มีผู้สอน" ซึ่งในเวลาต่อมา อุปกรณ์ดังกล่าว ได้รับการขยายแนวคิดไปเป็นมาดาดไลน์ (MADALINE; Many ADALINEs) และได้ถูกนำไปประยุกต์ใช้ในการรู้จำรูปแบบ (pattern recognition) การพยากรณ์อากาศ และระบบควบคุม ที่จำเป็นต้องมีการปรับเปลี่ยนระบบ ไปตามสภาพแวดล้อมต่างๆ

            อย่างไรก็ตาม ในขณะที่การค้นคว้า เพื่อพัฒนาคอมพิวเตอร์ที่มี "ปัญญา" ได้ดำเนินไป ในแนวทางของการศึกษา และได้พยายามอธิบายการทำงานของระบบประสาทของสิ่งมีชีวิต อีกแนวทางหนึ่ง ที่สามารถดำเนินควบคู่กันไปได้ คือ แนวทางการค้นคว้า ที่พยายามจะอธิบายพฤติกรรม ที่เกี่ยวข้องกับปัญญาของมนุษย์ ในเชิงโครงสร้างของเหตุและผล โดยใช้สัญลักษณ์ในการแทนแนวคิดของมนุษย์ และดำเนินการกับสัญลักษณ์เหล่านั้น ด้วยกระบวนการในลักษณะของคณิตศาสตร์ ผลลัพธ์ที่ได้จากกระบวนการดังกล่าว อาจถือได้ว่า เป็นการตอบสนอง ที่มนุษย์น่าจะทำภายใต้เงื่อนไขเดียวกัน แนวทางดังกล่าว นำไปสู่พัฒนาการของสาขาปัญญาประดิษฐ์ (Artificial Intelligence) และจิตวิทยาการเรียนรู้ (Cognitive Psychology) ในช่วงพุทธทศวรรษ ๒๕๑๐ และพุทธทศวรรษ ๒๕๒๐

            ในปี พ.ศ. ๒๕๑๒ มินสกี (Minsky) และ พาเพิร์ต (Papert) ได้เสนอผลงานตีพิมพ์ในรูปของหนังสือ ซึ่งในหนังสือดังกล่าว มีการระบุข้อจำกัดทางทฤษฎีของเพอร์เซปตรอน ผลงานตีพิมพ์ดังกล่าว ก่อให้เกิดแนวคิดด้านลบต่อการพัฒนา ระบบประมวลผลแบบโครงข่ายของเซลล์ประสาท และเป็นจุดเริ่มต้นจุดหนึ่งของกระแสแนวความคิดที่ว่า การคิดของมนุษย์เป็นการประมวลผลแบบลำดับขั้น (serial processing) เนื่องจากใน ช่วงเวลาดังกล่าว ไม่มีผู้ที่สามารถแก้ไขข้อจำกัดทางทฤษฎีของโครงข่ายประสาทเทียมได้ วิทยาการด้านโครงข่ายประสาทเทียม จึงไม่ได้รับความสนใจจากวงการคอมพิวเตอร์ ในช่วงพุทธทศวรรษ ๒๕๒๐ ผลงานวิจัยด้านโครงข่ายประสาทเทียม ในช่วงเวลาดังกล่าว จึงเป็นที่รู้จักในวงแคบๆ ของผู้ที่สนใจเท่านั้น

            อย่างไรก็ตาม ในช่วงพุทธทศวรรษ ๒๕๑๐ มีผลงานวิจัยด้านโครงข่ายประสาทเทียมจากประเทศญี่ปุ่น โดย ชุนอิจิ อามาริ (Shun-Ichi Amari) ใน ปี พ.ศ. ๒๕๑๕ และ พ.ศ. ๒๕๒๐ ต่อมาในปี พ.ศ. ๒๕๒๓ คูนิฮิโก ฟูกูชิมา (Kunihiko Fuku- shima) ได้พัฒนาสถาปัตยกรรมโครงข่ายประสาทเทียม ที่มีชื่อว่า นีโอค็อกนิตรอน (neocognitrons) สำหรับการรู้จำรูปแบบภาพลักษณ์ โดยเลียนแบบ แนวทางการมองเห็นของสิ่งมีชีวิต

            ในปี พ.ศ. ๒๕๒๕ จอห์น ฮอปฟิลด์ (John Hopfield) ได้เสนอสถาปัตยกรรมโครงข่ายประสาทเทียม สำหรับเป็นหน่วยความจำ แบบแอสโซซิเอทิฟ (associatiov memory) ที่ดึงความจำออกมา โดยใช้ข้อมูลที่มีความเกี่ยวข้องกับความจำนั้น เป็นตัวชี้นำ ซึ่งเป็นจุดเริ่ม ที่ทำให้นักวิทยาศาสตร์หันกลับมาสนใจโครงข่ายประสาทเทียมอีกครั้ง ในช่วงเวลาใกล้เคียงกัน สตีเฟน กรอสเบอร์ก (Stephen Grossberg) และเกล คาร์เพนเตอร์ (Gail Carpenter) ก็ได้เสนอทฤษฎีของการกำทอนแบบอะแดปทิฟ (adaptive resonance) และได้พัฒนาโครงข่ายประสาทเทียมอาร์ต (ART Network) ซึ่งในปัจจุบัน ถือว่า เป็นโครงข่ายประสาทเทียม ที่มีสมรรถนะสูง ที่สุดแบบหนึ่ง จากนั้น โครงข่ายประสาทเทียม กลับมาเฟื่องฟูเต็มที่ เนื่องจากผลงานตีพิมพ์ของ เจมส์ แม็กคลีแลนด์ (James McClelland) และ เดวิด รูเมลฮาร์ต (David Rumelhart) ในปี พ.ศ. ๒๕๒๙ ซึ่งเสนอกฎการเรียนรู้แบบใหม่ สำหรับสถาปัตยกรรมโครงข่ายประสาทเทียมที่มี ความซับซ้อนขึ้น โดยอิงกับเพอร์เซปตรอน โครงข่ายประสาทเทียมดังกล่าวสามารถก้าวข้ามขีด จำกัดที่เคยถูกเสนอไว้โดยมินสกีและพาเพิร์ต ตั้งแต่ปี พ.ศ. ๒๕๑๒ ได้สำเร็จ อย่างไรก็ตาม มี การค้นพบว่า แนวทางคล้ายๆ กันได้เคยถูกเสนอ แล้วโดย พอล เวอร์โบส (Paul Werbos) ตั้งแต่ ปี พ.ศ. ๒๕๑๗ แต่ไม่มีผู้ใดสนใจในช่วงเวลา ดังกล่าว ตั้งแต่นั้นมา งานวิจัยค้นคว้าด้านโครงข่ายประสาทเทียม ก็เกิดขึ้นอีกอย่างมากมายมาจนถึงปัจจุบัน