Programowanie neuronowe służy do tworzenia oprogramowania naśladującego podstawowe funkcje mózgu. Jest kluczowym elementem sztucznej inteligencji (AI) i tworzy oprogramowanie, które może przewidywać niewiadome, takie jak pogoda i trendy giełdowe, a także gry, w których cyberprzeciwnik poprawia się, gdy zdobywa doświadczenie. Przewaga programowania neuronowego nad tradycyjnym programowaniem polega na tym, że jego oprogramowanie jest w stanie uczyć się i dostosowywać do nowych danych.
Ogólnie rzecz biorąc, programowanie neuronowe wykorzystuje architekturę obliczeniową zwaną przetwarzaniem neuronowym, która wykorzystuje sztuczne neurony lub węzły zgrupowane w sieci do wykonywania złożonych zadań. Każdy sztuczny neuron jest wyzwalany przez określoną wartość liczbową, która określa, kiedy i gdzie wyśle sygnał do następnego neuronu. Pojedynczy neuron jest zaprogramowany za pomocą prostej reguły jeśli-to dla podstawowego zadania. Jeśli dane mają wartość -1, to wykonuje jedną funkcję. Jeśli wartość danych wynosi 0, robi coś innego.
Programowanie neuronowe to proces dwuetapowy. Pierwszym krokiem jest wprowadzenie podstawowych informacji i reguł, których aplikacja potrzebuje, aby zrozumieć dane, które otrzyma. To oprogramowanie jest zwykle zaprogramowane z bitami uprzedzeń, co daje większą wiarygodność niektórym rodzajom informacji. Na przykład, programowanie neuronowe oprogramowania giełdowego będzie obejmować podstawowe funkcje obrotu giełdowego, takie jak założenie, że większy popyt na akcje zwiększa ich wartość. Będzie również zawierał pewne uprzedzenia, takie jak sposób, w jaki oprogramowanie powinno zwracać szczególną uwagę na trendy w kwartalnych raportach o dochodach.
Drugi etap programowania neuronowego to trening. Dane służą do nauczenia oprogramowania pewnych trendów i możliwości; ogólnie rzecz biorąc, im więcej danych pobiera oprogramowanie, tym lepsze staje się tworzenie dokładnych wyników. Na przykład, dane mogą nauczyć komputer, że kiedy pewna branża ma wysokie zyski w drugim kwartale, to na ogół oznacza to, że jej czwarty kwartał jest powolny. Wartości akcji są powiązane z raportami o zarobkach, więc oprogramowanie może w końcu przewidzieć, że akcje dla tej branży spadną po tym, jak raporty z czwartego kwartału pojawią się, gdy branża miała mocny drugi kwartał. Dane wyjściowe oprogramowania mogą ostatecznie doradzić traderowi, aby sprzedał, zanim pojawią się raporty o zarobkach z czwartego kwartału.
Zazwyczaj zaletą programowania neuronowego jest to, że oprogramowanie nie potrzebuje doskonałych informacji do działania. W przeciwieństwie do tradycyjnego programowania, które wyłącza się, gdy wystąpią błędy, programowanie neuronowe może dostosować się do niedoskonałych danych wejściowych, wykorzystując informacje z przeszłości do rozwiązania problemu. Tak też działa ludzki mózg, choć jest to o wiele bardziej złożone. Na przykład człowiek może rozpoznać starego przyjaciela, nawet jeśli ten przybrał na wadze lub zapuścił brodę; inne aspekty przyjaciela – budowa twarzy, oczy, sposób chodzenia czy głos – wywołują rozpoznanie. Programiści neuronowi wciąż udoskonalają oprogramowanie, które nie tylko naśladuje działanie mózgu, ale w niektórych przypadkach jest szybsze i jeszcze dokładniejsze.