什么是神经网络(Neural Network)？

在一台典型的计算机中，按照所谓的冯·诺依曼体系结构制造，内存库位于一个独立的模块中。只有一个处理器，它使用串行结构，一个接一个地处理指令和内存重写。另一种计算方法是神经网络。在神经网络中，由成千上万甚至数百万个单独的"神经元"或"节点"组成，"所有的处理都是高度并行和分布式的。"内存"存储在节点之间复杂的互连和权重中。
我们的身体包含数万亿个突触数据连接，其中许多是持续活跃的。
在前馈神经网络中，一个充满特殊节点的"输入层"需要在信息技术中，然后根据从外部接收到的信息向第二层发送信号。这种信息通常是二进制的"是或否"信号。有时，为了从"否"变为"是"，"节点必须经历一定程度的兴奋或刺激。
数据从输入层移动到第二层和第三层，依此类推，直到到达最后一个"输出层"，在屏幕上显示结果供程序员分析人类视网膜是基于神经网络工作的，第一级节点检测视野中简单的几何特征，如颜色、线条和边缘；第二级节点则开始提取更复杂的特征，如运动、纹理，以及深度。最后的"输出"是当我们看到视野时我们的意识所记录的。最初的输入只是一个复杂的光子排列，如果没有神经硬件来理解它的有意义的性质，那就没有什么意义了，在反向传播神经网络中，早期层的输出可以返回到这些层以约束进一步的信号。我们的大多数感官都是这样工作的。初始数据可以提示对最终结果的"有根据的猜测"，然后在有根据的猜测的背景下观察未来的数据。在光学错觉中，我们的感官会做出有根据的猜测，结果证明是错误的。
程序员必须配置一个神经网络，对单个神经元进行训练或微调。例如，训练一个神经网络来识别人脸需要很多次的训练，在训练中，不同的"类脸"和"不相似"的物体被显示给网络，并伴随着正反馈或负反馈来诱使神经网络提高识别技能。