U tipičnom računalu, napravljenom prema onome što se zove Von Neumannova arhitektura, memorijske banke žive u izoliranom modulu. Postoji samo jedan procesor, koji obrađuje upute i memorija prepisuje jednu po jednu, koristeći serijsku arhitekturu. Različiti pristup računalstvu je neuronska mreža. U neuronskoj mreži, koja se sastoji od tisuća ili čak milijuna pojedinačnih “neurona” ili “čvorova”, sva obrada je vrlo paralelna i distribuirana. “Sjećanja” su pohranjena unutar složenih međuveza i pondera između čvorova.
Neuronsko umrežavanje vrsta je računalne arhitekture koju koriste životinjski mozgovi u prirodi. To nije nužno zato što je neuronska mreža inherentno superiorniji način obrade od serijskog računanja, već zato što bi se mozak koji koristi serijsko računanje bilo mnogo teže razvijati postupno. Neuralne mreže također imaju tendenciju nositi se s “šumnim podacima” bolje od serijskih računala.
U neuronskoj mreži unaprijed, “ulazni sloj” ispunjen specijaliziranim čvorovima preuzima informacije, a zatim šalje signal drugom sloju na temelju informacija koje je primio izvana. Ova informacija je obično binarni signal “da ili ne”. Ponekad, da bi prešao s “ne” na “da”, čvor mora iskusiti određeni prag uzbuđenja ili stimulacije.
Podaci se kreću od ulaznog sloja do sekundarnog i tercijarnog sloja, i tako dalje, sve dok ne dođu do konačnog “izlaznog sloja” koji prikazuje rezultate na zaslonu koje programeri mogu analizirati. Ljudska mrežnica radi na temelju neuronskih mreža. Čvorovi prve razine otkrivaju jednostavne geometrijske značajke u vidnom polju, kao što su boje, linije i rubovi. Sekundarni čvorovi počinju apstrahirati sofisticiranije značajke, kao što su kretanje, tekstura i dubina. Konačni “izlaz” je ono što naša svijest registrira kada gledamo u vidno polje. Početni ulaz je samo složeni raspored fotona koji bi malo značio bez neurološkog hardvera koji bi mu dao smisao u smislu značajnih kvaliteta, kao što je ideja trajnog objekta.
U neuronskim mrežama koje se šire unatrag, izlazi iz ranijih slojeva mogu se vratiti u te slojeve kako bi ograničili daljnje signale. Većina naših osjetila radi na ovaj način. Početni podaci mogu potaknuti “obrazovano nagađanje” o konačnom rezultatu, nakon čega slijedi gledanje budućih podataka u kontekstu tog obrazovanog nagađanja. U optičkim iluzijama, naša osjetila donose obrazovana nagađanja koja se ispostavljaju pogrešnima.
Umjesto algoritamskog programiranja neuronskih mreža, programeri moraju konfigurirati neuronsku mrežu s treningom ili delikatnim podešavanjem pojedinačnih neurona. Na primjer, osposobljavanje neuronske mreže za prepoznavanje lica zahtijevalo bi mnogo treninga u kojima su se mreži prikazivali različiti objekti nalik na lice i bez lica, popraćeni pozitivnim ili negativnim povratnim informacijama kako bi se neuronska mreža natjerala da poboljša vještine prepoznavanja.