뇌 이미징은 특정 과제를 수행하는 동안 뇌 내부에서 일어나는 활동을 관찰하고 분석하는 과정을 포함한다. 이를 통해 인간의 행동과 뇌 기능을 연결 지어 이해할 수 있으며, 정보가 어떻게 처리되는지에 대한 단서를 제공한다. 이러한 이유로 뇌 이미징은 인지신경과학 분야에서 자주 활용된다. 단일광자방출단층촬영(Single Photon Emission Computed Tomography, SPECT)과 양전자방출단층촬영(Positron Emission Tomography, PET)은 방사성 동위원소를 사용한다. 피험자의 혈류에 주입된 방사성 동위원소가 뇌에 도달하면, 어느 영역에 동위원소가 분포하는지 확인할 수 있고, 이를 통해 특정 뇌 부위가 다른 영역보다 더 활성화되어 있는지를 파악할 수 있다. PET은 fMRI와 유사한 공간 해상도를 지니지만, 시간 해상도가 낮아 연속적인 시간 흐름을 세밀하게 보여주기는 어렵다. (여기서 시간 해상도란 영상 프레임 간격을 의미하며, 해상도가 낮다는 것은 움직임을 매끄럽게 보여주지 못한다는 뜻이다.) 뇌전도(Electroencephalography, EEG)는 두피에 여러 개의 전극을 부착해 대규모 신경세포 집단이 만들어내는 전기 신호를 측정한다. 이 방법은 시간 해상도가 매우 뛰어나지만, 뇌의 정확한 위치를 파악하는 공간 해상도는 상대적으로 떨어진다. 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI)은 뇌 영역별로 유입되는 산소화 혈액의 양을 측정한다. 특정 부위에 산소화 혈액이 더 많다는 것은 그 부분의 신경 활동이 증가했음을 의미한다고 본다. 이를 통해 뇌의 다양한 영역과 그 영역이 담당하는 기능을 연관시켜 파악할 수 있다. fMRI는 공간 해상도와 시간 해상도 모두 중간 수준을 가진다. 광학촬상(Optical Imaging)은 적외선 송신기와 수신기를 이용하여 뇌 주변 혈액에서 반사되는 빛의 양을 측정한다. 혈액은 산소의 함유 여부에 따라 빛을 다르게 반사하기 때문에, 이를 통해 특정 영역이 활성화되었는지를 알 수 있다. 광학촬상은 시간 해상도는 중간 정도이지만, 공간 해상도는 낮다. 그러나 인체에 전혀 무해하다는 장정미 있어 신생아 뇌 연구에도 널리 사용된다. 뇌자기도(Magnetoencephalography, MEG)는 대뇌피질의 활동으로 인해 발생하는 자기장을 측정하는 기술이다. EEG와 유사하지만, 자기장은 전기 신호와 달리 두피나 뇌막에 의해 크게 왜곡되거나 약화되지 않아 공간 해상도가 더 우수하다. MEG는 초전도 양자 간섭 장치를 사용하여 매우 미세한 자기장도 감지할 수 있다. 계산 모형은 특정 문제를 수학적·논리적 방식으로 재현하는 방법이다. 이를 통해 컴퓨터 모델을 사용하여 지능의 구체적인 속성과 보다 일반적인 속성을 시뮬레이션하거나 실험적으로 검증할 수 있다. 계산 모형은 특정 인지 현상의 기능적 구조를 이해하는 데 도움을 주며, 인지 모형에는 크게 두 가지 기본적 접근법이 존재한다. 하나는 지능을 추상화된 정신적 기능으로 보고 기호(symbol)를 활용하는 방식이고, 다른 하나는 이른바 하위기호(sub-sylbol)라 불리는 신경 수준의 결합적 속성에 초점을 두는 방식이다. 기호 모형(Symbolic Model)은 지식 기반 시스템 기술에 뿌리를 두고 있으며, 고전적 인공지능의 철학적 전통에서 비롯되었다. 인지과학 연구자들에 의해 처음 개발되었고, 이후 전문가 시스템을 위한 정보공학적 응용으로 확산되었다. 1990년대 초반에는 'personoids'와 같은 인간 유사 인지 모형을 탐구하는 과정에서 'systemisc'라는 일반화된 틀로 발전하였고, 동시에 SOAR 환경이 구축되었다. 최근 들어 기호 인지 모형은 특히 인지적 의사결정 맥락에서 사회와 조직의 인지를 다루는 사회적 인지 접근으로 확장되었다. 하위기호 모형(Sub-symbolic Model)에는 연결주의 모형과 신경망 모형이 포함된다. 연결주의 관점에 따르면 정신과 뇌는 단순한 노드들의 집합으로 이해될 수 있으며, 이 노드들이 어떤 방식으로 연결되는가에 따라 전체 시스템의 지능적 능력이 나타난다. 인공 신경망은 이러한 접근을 대표적으로 구현한 사례라 할 수 있다. 이 모형은 뇌의 생물학적 실체를 어느 정도 반영하며 시스템적 작동을 모사할 수 있지만, 단순한 연결 규칙이더라도 그 조합이 지나치게 복잡해지면서 모형 자체를 직관적으로 설명하기 어렵다는 한계가 지적되기도 한다. 최근에는 동적 시스템 이론, 기호 모형과 연결주의 모형을 결합하는 신경-기호 통합 방식 등이 주목받고 있다. 또한 기계학습 분야에서 출발한 베이지안 모형 역시 널리 활용되고 있다. 이러한 다양한 접근들은 인공적 혹은 추상적 지능을 통합하는 계산 모형으로 발전하고 있으며, 개인 차원의 사고 과정뿐 아니라 사회 및 조직 차원의 의사결정과 추론을 설명하고 개선하는 데 응용되고 있다. 신경과학과 신경심리학에서 발전한 연구 기법들을 활용하면, 지능의 다양한 특성을 보다 직접적으로 탐구할 수 있다. 이러한 방법들은 지능적 행동이 실제 물리적 신경 시스템 속에서 어떻게 구현되고 작동하는지를 밝히는 데 중요한 단서를 제공한다. 단일 단위 기록이랑 뇌 속 개별 뉴런의 활동을 전극을 통해 직접 측정하는 방식이다. 이를 통해 특정 뉴런이 어떤 자극이나 과제에 반응하는지를 정밀하게 관찰할 수 있다. 직접적 뇌 자극이란 뇌의 특정 부위에 전기적 자극을 가하여, 해당 부위의 기능이나 관련된 행동을 실험적으로 탐구하는 방법이다. 뇌 영역과 기능 간의 인과적 관계를 파악하는 데 유용하다. 동물 모형은 동물 실험을 통해 인간의 뇌 기능과 지능을 간접적으로 이해하는 연구 방식이다. 유전적, 신경학적 조작이 가능하기 때문에 뇌-행동 관계를 체계적으로 검증할 수 있다. 사후 연구란 사망한 개인의 뇌를 해부·분석하여 특정 행동, 장애, 혹은 인지적 특성과 관련된 구조적 변화를 밝히는 방법이다. 뇌 손상과 기능의 연관성을 이해하는 데 중요한 단서를 제공한다.