Las redes neuronales artificiales (ANNs), que están fuertemente inspiradas en el cerebro humano, ahora logran un rendimiento a nivel humano en múltiples dominios de tareas. Por lo tanto, las ANNs han llamado la atención en la neurociencia, lo que plantea la posibilidad de proporcionar un marco para comprender la información codificada en el cerebro humano. Sin embargo, la correspondencia entre las ANNs y el cerebro no se puede medir directamente. Difieren en salidas y sustratos, las neuronas superan en número a sus análogos en las ANNs (es decir, nodos), y el algoritmo clave responsable de la mayor parte del entrenamiento moderno de las ANNs (es decir, retropropagación) probablemente está ausente en el cerebro. Por lo tanto, los neurocientíficos han adoptado una variedad de enfoques para examinar la similitud entre el cerebro y las ANNs en múltiples niveles de su jerarquía de información. Esta revisión proporciona una visión general de los enfoques actualmente disponibles y sus limitaciones para evaluar la correspondencia entre el cerebro y las ANNs.