Przetwarzanie neuronowe pierwotnie odnosiło się do sposobu działania mózgu, ale termin ten jest częściej używany do opisania architektury komputera, która naśladuje tę funkcję biologiczną. W komputerach przetwarzanie neuronowe daje oprogramowaniu zdolność dostosowywania się do zmieniających się sytuacji i ulepszania jego funkcji w miarę pojawiania się większej ilości informacji. Przetwarzanie neuronowe jest wykorzystywane w oprogramowaniu do wykonywania zadań, takich jak rozpoznawanie ludzkiej twarzy, przewidywanie pogody, analizowanie wzorców mowy i uczenie się nowych strategii w grach.
Ludzki mózg składa się z około 100 miliardów neuronów. Te neurony to komórki nerwowe, które indywidualnie pełnią prostą funkcję przetwarzania i przekazywania informacji. Gdy komórki nerwowe przekazują i przetwarzają w klastrach, zwanych siecią neuronową, wyniki są złożone – na przykład tworzenie i przechowywanie pamięci, przetwarzanie języka i reagowanie na nagły ruch.
Sztuczne przetwarzanie neuronowe naśladuje ten proces na prostszym poziomie. Mała jednostka przetwarzająca, zwana neuronem lub węzłem, wykonuje proste zadanie przetwarzania i przesyłania danych. Ponieważ proste jednostki przetwarzające łączą podstawowe informacje poprzez złącza, informacje i przetwarzanie stają się bardziej złożone. W przeciwieństwie do tradycyjnych procesorów komputerowych, które potrzebują ludzkiego programisty do wprowadzania nowych informacji, procesory neuronowe mogą uczyć się samodzielnie po zaprogramowaniu.
Na przykład procesor neuronowy może poprawić warcaby. Tak jak ludzki mózg, komputer uczy się, że określone ruchy przeciwnika mają na celu stworzenie pułapek. Podstawowe programowanie może pozwolić komputerowi wpaść w pułapkę za pierwszym razem. Im częściej jednak pojawia się jakaś pułapka, tym większą uwagę komputer poświęca tym danym i zaczyna odpowiednio reagować.
Programiści neuronowi nazywają rosnącą uwagę, jaką komputer zwraca na pewne wyniki, „wagą”. Tradycyjne przetwarzanie zapewniłoby komputerowi jedynie podstawowe zasady gry i ograniczoną liczbę strategii. Przetwarzanie neuronowe, zbierając dane i zwracając większą uwagę na ważniejsze informacje, z biegiem czasu uczy się lepszych strategii.
Siła przetwarzania neuronowego tkwi w jego elastyczności. W mózgu informacja przedstawiana jest w postaci impulsu elektrochemicznego – niewielkiego wstrząsu lub sygnału chemicznego. W sztucznym przetwarzaniu neuronowym informacja jest prezentowana jako wartość liczbowa. Wartość ta określa, czy sztuczny neuron stanie się aktywny, czy pozostanie w stanie uśpienia, a także określa, dokąd wysyła swój sygnał. Jeśli na przykład pewna szachownica zostanie przeniesiona do pewnego kwadratu, sieć neuronowa odczytuje te informacje jako dane liczbowe. Te dane są porównywane z rosnącą ilością informacji, co z kolei tworzy akcję lub wynik.