اغلب ما با رایانه‌های دیجیتالی در ارتباط هستیم. رایانه‌های دیجیتالی در حل مسایل ساختاری بسیار توانمند هستند، از جمله عملیات محاسباتی و منطقی. اگر چه، بیشتر چالشهایی که ما روز به روز با آن مواجه هستیم با این قابلیت‌ها قایل حل نیست. برای مثال ما چندین بار در سال با این مسئله روبرو هستیم: پیدا کردن یک جفت کفش مناسب. این یک مسئله خیلی انسانی است، چیزی پیدا شود که بهتر از رایانه با کار مغز انسان متناسب شود. این قبیل مسائل شامل ورودی و خروجی‌های غیر ساختاری است که چندان واضح نیست، بنابراین بهتر است ما از قابلیت پردازش مغز خودمان استفاده کنیم. دانشمندان در خصوص روش کار کردن مغز انسان مطالعاتی انجام داده‌اند و تلاش می‌کنند کامپیوترهایی بسازند که از ذهن باور نکردنی انسان تقلید کنند. مبنای دانش فنی(تکنولوژی) برای این کامپیوترها شبکه‌های عصبی است.

Neural network example

شبکه‌های عصبی رایانه‌ای صدها و حتی هزاران پرندازنده کوچک که ارتباط تنگاتنگ با هم دارند که واحد پردازش نامیده می‌شوند را به خدمت گرفته است.

شبکه‌های عصبی بوسیله ایجاد ارتباط و حفط روابط بین این واحدهای پردازشی کار می‌کند، رایانه معادل عثبها در مغز است. کارکردن در یک حوزه خاص از دانش (برای مثال خط مشی کشاورزی در سراسر جهان) شبکه‌ عصبی رایانه می‌تواند از آنچه که بر پایه دانش انسان عرضه می‌شود را ترسیم کند، یادگیری از طریق تجربه و تصمیم گیری‌های آگاهانه در محیط غیر ساختاری.

در اینجا چند نمونه کوچک از افزایش تعداد کاربردهای شبکه عصبی وجود دارد: بازی شطرنج، بهبود راندمان موتور خودرو، بهبود توانایی دید تکنولوژی، برنامه‌ریزی خط میشی تناوب زراعی، پیش‌بینی نوسانات بازارهای مالی. تفاوت‌ اولیه بین رایانه‌های دیجیتالی سنتی و شبکه‌های عصبی در این است که در رایانه‌های دیجیتالی پردازش به شکل توالی داده‌های ساخت‌ یافته است و در عوض در شبکه‌های عصبی پردازش به شکل شبیه سازی اطلاعات غیر ساخت یافته است.

رایانه‌های دیجیتالی در آینده توانایی کامپیوترهای شبکه عصبی و مغز انسان را پیدا خواهند کرد وقتی محاسبات دقیق عددی به سرعت پیش برود. اما شبکه‌های عصبی بر اساس توانایی‌های بالقوه خود به حیات ادامه می‌دهند، آنها در آینده توانایی راهبری وظایفی که در حال حاظر بسیار وقت گیر یا برای رایانه‌های معمولی غیرممکن است را پیدا خواهند کرد، مثل تشخیص یک چهره از میان انبوهی از نفرات.