In un tipico computer, effettuati secondo quello che viene chiamato una architettura Von Neumann, banchi di memoria vive in un modulo isolato. Vi è un solo processore, che elabora le istruzioni e la memoria riscrive uno ad uno, utilizzando un'architettura seriale. Un approccio diverso computing è la rete neurale. In una rete neurale, costituita da migliaia o addirittura milioni di singoli "neuroni" o "nodi", tutta l'elaborazione è altamente parallelo e distribuito. "Memories" vengono memorizzati all'interno del complesso e coefficienti interconnessioni tra i nodi.

rete neurale è il tipo di architettura di calcolo utilizzato dal cervello degli animali in natura. Questo non è necessariamente perché la rete neurale è una modalità intrinsecamente superiore della trasformazione di calcolo seriale, ma perché un cervello che utilizza informatica di serie sarebbe molto più difficile far evolvere in modo incrementale. Le reti neurali anche la tendenza a trattare con i "dati rumorosi" meglio di computer seriali.

In una rete neurale feedforward, uno strato di "input" piena di nodi specializzati prende in informazioni, quindi invia un segnale a un secondo strato sulla base delle informazioni ricevute dall'esterno. Questa informazione è di solito un binario "sì o no segnale". A volte, per passare da un "no" a un "sì", il nodo è a sperimentare una certa soglia di eccitazione o stimolazione.

sposta i dati dal livello di ingresso per i livelli secondario e terziario, e così via, fino a raggiungere una finale "strato d'uscita", che visualizza i risultati su uno schermo per i programmatori di analizzare. La retina umana di lavori basati su reti neurali. Nodi di primo livello di rilevare le caratteristiche geometriche semplici nel campo visivo, come i colori, linee e bordi. Nodi secondari cominciano ad astratte caratteristiche più sofisticate, come ad esempio il movimento, la consistenza e la profondità. L'ultima "uscita" è ciò che i nostri registri di coscienza quando si guarda il campo visivo. L'input iniziale è solo un complesso accordo di fotoni che sono ben poca cosa senza l'hardware neurologiche di dare un senso in termini di qualità significativo, come ad esempio l'idea di un oggetto duratura.

In backpropagating reti neurali, uscite dai livelli precedenti possa tornare a quei livelli per limitare ulteriormente i segnali. La maggior parte dei nostri sensi funzionano in questo modo. I dati iniziali che possono portare uno indovinare "educato" al risultato finale, seguita da guardando i dati futuro nel contesto di tale ipotesi. In illusioni ottiche, i nostri sensi fanno ipotesi plausibili, che si rivelano sbagliate.

Invece di programmazione di reti neurali un algoritmo, i programmatori devono configurare una rete neurale con formazione o delicata messa a punto di singoli neuroni. Per esempio, la formazione di una rete neurale a riconoscere un volto che richiedono una formazione tanti passaggi in cui i vari "facelike" e "unfacelike" gli oggetti sono stati mostrati alla rete, accompagnata da un feedback positivo o negativo di convincere la rete neurale nel migliorare le capacità di riconoscimento.