算法在认知科学中起着核心作用。它们有助于解释我们如何感知、说话、记忆、导航和决策。但人工或生物神经网络“实现”算法的含义尚不清楚。标准建议是,当神经网络具有与算法步骤相对应的部分时,它就实现了算法。但我们无法找到很多这样的部分,也许是因为神经网络很少有它们。这导致一些人否认神经网络实现了算法。作为替代方案,我建议神经网络通过其学习替代输入输出映射的速度来实现算法。该提议借鉴了心理学中的“学会学习”文献和机器学习中的“迁移学习”文献。我证明该提案可有效应用于许多网络和任务。因此,它是一个整合认知科学和神经科学的有前途的新框架。