Geleneksel sürü simülasyonları, Craig Reynolds'ın 1986'da geliştirdiği "boids" modeliyle üç temel kurala dayanır: ayrılma, hizalanma ve uyum. Bu kurallar, kuş sürülerinin hareketini ikna edici bir şekilde taklit etse de, kuralların insan eliyle belirlenmesi ve ince ayar gerektirmesi bir sınırlılıktı. Gerçek kuş sürülerinin, örneğin sığırcıkların, lider olmadan, sadece yerel etkileşimlerle nasıl hareket ettiğini anlamak, bu alandaki araştırmaların temelini oluşturmuştur. Her kuşun en yakın birkaç komşusunun hızını ve konumunu takip ederek çarpışmadan kaçınması, sürünün bir bütün olarak hareket etmesini sağlar. Bu yerel etkileşimler, bir rahatsızlığın sürü içinde ses dalgası gibi hızla yayılmasını mümkün kılar. "Neural Boids" veya kısaca "noids" ise bu yaklaşıma yeni bir boyut getiriyor. Geleneksel boids'in aksine, noids'ler insan tarafından yazılmış kurallar yerine küçük bir yapay sinir ağı kullanır. Her bir ajan, çevresini algıladığı veriyi bu sinir ağına girdi olarak verir ve ağ, ajanın yönlendirme kuvvetini çıktı olarak üretir. Sadece 1.922 öğrenilmiş parametre ile çalışan bu sistem, tüm programı oluşturur. Bu, Reynolds'ın kurallarını elle belirlemek yerine, sistemin kendisinin en uygun davranış kurallarını öğrenmesini sağlar. Bu yaklaşım, sürü davranışlarının modellenmesinde önemli bir ilerlemeyi temsil ediyor. Özellikle 2010'da yapılan araştırmalar, sığırcıkların metrik mesafe yerine topolojik mesafeye göre (yani en yakın 6-7 komşusunu, mesafeleri ne olursa olsun) takip ettiğini göstermişti. Noids, bu tür karmaşık ve adaptif davranışları, önceden tanımlanmış kurallara bağlı kalmadan öğrenme yeteneği sunarak, hem bilimsel araştırmalar hem de oyun ve animasyon gibi uygulamalar için daha gerçekçi ve esnek sürü simülasyonları geliştirme potansiyeli taşıyor.
Yapay sinir ağları kullanarak sürü davranışlarını insan eliyle yazılmış kurallar olmadan modellemek, bu alandaki simülasyonların gerçekçiliğini ve adaptasyon yeteneğini önemli ölçüde artırıyor.