در دهه‌های اخیر، پیشرفت‌های سریع در هوش مصنوعی و علوم شناختی، توجه پژوهشگران را بیش از پیش به سازوکارهای مغز انسان به‌عنوان الگوی برتر پردازش اطلاعات جلب کرده است. برنامه‌نویسی شناختی با الهام از علوم اعصاب، به‌عنوان یک رویکرد میان‌رشته‌ای، می‌کوشد اصول سازمان‌دهی، یادگیری و سازگاری مغز بیولوژیکی را به چارچوب‌های محاسباتی و نرم‌افزاری ترجمه کند. مقدمه این پژوهش بر این ایده استوار است که اگرچه روش‌های متداول یادگیری ماشین و یادگیری عمیق در حل بسیاری از مسائل موفق بوده‌اند، اما از نظر انعطاف‌پذیری، تفسیرپذیری و کارایی انرژی با محدودیت‌های اساسی مواجه‌اند و فاصله قابل‌توجهی با هوش طبیعی دارند. هدف اصلی این مقاله مروری، ارائه تصویری جامع از مفاهیم، معماری‌ها و قوانین یادگیری در برنامه‌نویسی شناختی مبتنی بر علوم اعصاب و تبیین ظرفیت‌های آن برای توسعه سامانه‌های هوشمند پیشرفته است. تمرکز مقاله بر بررسی چگونگی الهام‌گیری از ساختارهای عصبی، حافظه، توجه، پردازش زمانی و مکانیسم‌های یادگیری زیست‌پذیر در طراحی سیستم‌های نرم‌افزاری است. روش تحقیق مبتنی بر یک مرور تحلیلی و ساختارمند از ادبیات علمی مرتبط با علوم اعصاب محاسباتی، مدل‌های شناختی و چارچوب‌های برنامه‌نویسی الهام‌گرفته از مغز است. در این چارچوب، مفاهیم کلیدی استخراج شده و پیوند میان یافته‌های نظری علوم اعصاب و کاربردهای عملی در مهندسی نرم‌افزار و هوش مصنوعی مورد تحلیل قرار گرفته است. یافته‌ها نشان می‌دهند که رویکردهای شناختی زیست‌الهام، به‌ویژه معماری‌های مبتنی بر پردازش زمانی و یادگیری محلی، پتانسیل بالایی در افزایش کارایی انرژی، یادگیری برخط و سازگاری در محیط‌های پویا دارند. همچنین این رویکردها امکان توسعه سیستم‌هایی تفسیرپذیرتر و نزدیک‌تر به الگوهای شناختی انسان را فراهم می‌کنند. در نتیجه‌گیری می‌توان گفت برنامه‌نویسی شناختی با الهام از علوم اعصاب، مسیری نویدبخش برای همگرایی علوم اعصاب، علوم شناختی و مهندسی نرم‌افزار فراهم می‌آورد و می‌تواند مبنایی برای نسل آینده سیستم‌های هوشمند انعطاف‌پذیر، مقیاس‌پذیر و زیست‌پذیر باشد.

برنامه‌نویسی شناختی علوم اعصاب شبکه‌های عصبی اسپایکی معماری‌های زیست‌الهام یادگیری زیست‌پذیر