人體大腦可以被視爲一個三階系統，如圖1塊狀圖所示(Arbib,1987)。處於系統核心的是大腦，圖中以神經網表徵，它不斷接收信息、感知並做出恰當的判斷。圖中有兩組箭頭。由左指向右的表示信息承載信號在系統中的前向傳輸。由右指向左的(顯示爲紅色)表示系統中的反饋。感知器官把來自人體或外界環境的刺激轉化成電脈衝從而將信息傳遞到神經網(大腦)。效應器官把神經網產生的電脈衝轉化成可識別的響應作爲系統輸出。
Figure 1
得益於Ramon y Cajal所開展的前沿工作，對大腦的理解不再那麼令人煎熬了，他引入了神經元是大腦結構組成成分的想法。神經元比硅邏輯門速度上要慢五到六個數量級：硅芯片中的事件發生在毫微秒級，而神經系統的事件發生在毫秒級。然而，大腦有他自己的策略，他擁有驚人數量的神經元（神經細胞）以及其中彼此之間的大量連接，以此彌補了單個神經元相對較慢的處理速率。據估計，大腦皮層有大約100億神經元以及60萬億的突觸或者叫做連接（Shepherd and Koch,1990）。網絡的結果就是形成了大腦這樣的高效結構。具體來說，大腦的能效是大約 焦耳每操作每秒，而相比之下最好的電腦這一數據要以數量級增長。
突觸，或者神經末梢，是在結構和功能上操控神經元間交互的單元。最常見的突觸是化學性突觸，它的工作模式如下：突觸前處理釋放出一種收發介質在突觸連接間擴散，然後影響突出後處理。因此突觸把突觸前電信號轉化成化學信號，然後又回到突出後電信號（Shepherd and Koch,1990）。在電子學術語中稱這種單元叫做單向雙端口設備。在對神經組織的傳統描述中，突觸被簡單理解爲可以釋放激發或者抑制的連接，但是不會是二者同時作用於接收神經元之上。
前面我們提到過可塑性使得發展中神經系統能夠適應於周圍環境（Eggermont,1990;Churchland and Sejnowski,1992）。在一個成人大腦中，這種可塑性仰仗於兩種機制：神經元間新突觸的產生和現存突觸的調整。軸突，作爲傳輸線，樹突，作爲接收域，被依據形態劃分爲兩種不同的神經纖維；軸突的表面光滑、分支少、長度大，而樹突（這樣稱呼是源於它和樹的相似）有不規則表面和較多的分支（Freeman,1975）。大腦不同區域的神經元有着差異很大的形狀和大小。圖2詮釋的是錐體細胞的形狀，這是一種最常見的皮層神經元之一。就像其他許多類型的神經元一樣，它從樹突刺上接收大部分輸入；詳見圖2插圖中樹突分割。錐體細胞能夠收到10,000多突觸輸入，也能映射到上千個目標細胞。
Figure 2
大部分神經元的輸出以短電壓脈衝序列的形式。這些脈衝，通常叫做動作電壓或者尖峯脈衝，從神經元的細胞體或者附近開始產生，然後在神經元個體上以固定的速度和幅度傳播。在神經元中用動作電位作爲通信的方式是基於軸突的物理特性。神經元軸突長而細，有高電阻和大電容特性。這兩個特性在軸突上是分佈式的。因此軸突可以以阻容（RC,resistance-capacitance）傳輸線來建模，通常用“電纜方程”作爲描述軸突上信號傳輸的術語。分析這種傳輸機制可以發現，當軸突的一端加有電壓時，它在傳輸中隨着距離增加指數形式下降，當傳遞到另一端的時候已經下降到微乎其微。動作電位提供了一種窺視這個傳輸問題的方法（Anderson, 1995）。
Figure 3
大腦中既有小規模也有大規模的結構組織，在不同的層級上執行着不同的功能。圖3顯示的是腦組織各個交織層級的層次圖，這些來源於對大腦局部組織的大量分析工作（Shepherd and Koch, 1990; Churchland and Sejnowski, 1992）。突觸層是最基礎的層級，它依賴於分子離子級的活動。在接下來的層級是神經微電路、樹突樹，然後是神經元。神經微電路是指以連接組織模式呈現的突觸集合，可以執行感興趣的功能操作。它可以被比擬爲由晶體管集羣組成的硅芯片。最小的微電路在微米級，而操作速度在毫秒級。大羣的神經微電路形成樹突樹中的樹突子單元，而樹突樹存在於神經元個體中。整個神經元，大約100μm，包含幾個樹突子單元。在複雜度的下一層級上是局部電路（local circuits，大約1mm），它由具有相似或不同性質的神經元組成；這些神經元集合能夠執行具有大腦局部區域特徵的操作。緊隨其後的是區間電路（interregional circuits），由路徑、隊列和拓撲地圖組成，這些需要位於大腦不同部分的多個區域參與。
拓撲圖被組織起來負責響應進入的感知信息。這些拓撲圖通常有單層的組織形式，就像在上丘中視覺、聲覺和體覺的圖堆放在相鄰的層中，這樣來自對應點上的刺激在空間上是上下挨着的。圖4是Broadmann(Brodal,1981)所做的大腦皮層細胞結構圖。這張圖清楚地顯示，不同知覺輸入有序地映射到大腦皮層的相應區域。在複雜度的最後一級上，拓撲圖和其他區間電路控制在中樞神經系統中的具體類型的行爲。
Figure 4
有一點很重要，需要認識到這裏描述的大腦的組織結構層次是大腦的獨一無二的特徵。在數字計算機裏你沒處找到它，我們也遠還不能用人工神經網絡重建這樣的結構。不過我們倒是在一點點地朝着與之相似的計算等級層次邁進。和大腦中發現的神經元相比我們用來構建神經網絡的人工神經元真的是相當粗糙。同樣我們目前能夠構建的神經網絡與大腦中的局部電路和區間電路相比也算是粗糙的。令人滿意的是我們在很多前沿方面有不少進步。隨着神經生物學模擬的不斷啓示和理論、計算工具的引入，可以確定的說我們對人工神經網絡的理解和應用將會隨着時間越來越深入。