Rakendusspetsiifiline integraallülitus (ASIC) on kiip, mis on loodud ühe kindla ülesande jaoks, mitte üldotstarbeliseks arvutamiseks nagu protsessor (CPU). TI valdkonnas on ASIC-id kohandatud närvivõrkude arvutustele – üks näide on Google’i tensortöötlusüksused (TPU). Selle ülesande puhul töötavad nad kiiremini ja energiatõhusamalt kui üldotstarbelised kiibid, kuid nende arendamine on kallis ja neid on raske uute töökoormustega kohandada.
Neuromorfne andmetöötlus on aju ehitust jäljendav riist- ja tarkvaralähenemine. Selle asemel et liigutada andmeid taktidena eraldi mälu ja protsessori vahel, töötavad kunstlikud neuronid ja sünapsid paralleelselt ning reageerivad ainult sündmustele, mida nimetatakse impulssideks. See tõotab väga väikest energiatarvet, näiteks andurites või robotites. Tuntud uurimiskiibid on Intel Loihi ja IBM TrueNorth; laialdane kommertskasutus on alles algstaadiumis.
Süvaõpe on masinõppe haru, mis kasutab paljude kihtidega tehisnärvivõrke. Sellised võrgud õpivad suurtest andmehulkadest ise, millised tunnused on olulised – piltidel servadest, tekstides tähenduslike seosteni. Süvaõpe on tänapäevaste keelemudelite, pildituvastuse, kõnetuvastuse ja masintõlke aluseks ning vajab tavaliselt märkimisväärset arvutusvõimsust ja treeningandmeid.
Tehisnärvivõrgud (artificial neural networks, ANN) on arvutusmudelid, mis koosnevad paljudest ühendatud üksustest („neuronitest“), mis on paigutatud kihtidesse ja töötlevad sisendeid kaalutud ühenduste kaudu. Treenimise käigus kohandatakse kaalusid samm-sammult näidete põhjal, tavaliselt tagasilevi (backpropagation) abil. ANN-id on süvaõppe alus ja annavad jõudu pildituvastusele, kõnetuvastusele ning suurtele keelemudelitele. Hoolimata bioloogilisest eeskujust töötavad need palju lihtsamalt kui inimese aju.
