ในคอมพิวเตอร์ทั่วไปสร้างขึ้นตามสิ่งที่เรียกว่าสถาปัตยกรรม Von Neumann ธนาคารหน่วยความจำอาศัยอยู่ในโมดูลที่แยกได้ มีโปรเซสเซอร์เพียงตัวเดียวเท่านั้นซึ่งประมวลผลคำสั่งและหน่วยความจำจะเขียนทีละตัวโดยใช้สถาปัตยกรรมอนุกรม วิธีการที่แตกต่างในการคำนวณคือเครือข่ายประสาท ในเครือข่ายนิวรัลประกอบด้วยเซลล์ "เซลล์ประสาท" หรือ "โหนด" นับพันหรือแม้กระทั่งหลายล้านตัวการประมวลผลทั้งหมดนั้นขนานและกระจายกันอย่างมาก "ความทรงจำ" จะถูกเก็บไว้ภายในการเชื่อมต่อที่ซับซ้อนและการถ่วงน้ำหนักระหว่างโหนด
ระบบเครือข่ายนิวรัลเป็นประเภทของสถาปัตยกรรมคอมพิวเตอร์ที่สมองของสัตว์ใช้ในธรรมชาติ สิ่งนี้ไม่จำเป็นเพราะโครงข่ายประสาทเทียมเป็นโหมดการประมวลผลที่เหนือชั้นกว่าการประมวลผลแบบอนุกรม แต่เนื่องจากสมองที่ใช้การประมวลผลแบบอนุกรมนั้นยากที่จะพัฒนาขึ้นแบบค่อยเป็นค่อยไป เครือข่ายประสาทมีแนวโน้มที่จะจัดการกับ "ข้อมูลที่มีเสียงดัง" ดีกว่าคอมพิวเตอร์แบบอนุกรม
ในเครือข่ายนิวรัลไปข้างหน้าฟีเจอร์ "อินพุทเลเยอร์" ที่เต็มไปด้วยโหนดพิเศษจะรับข้อมูลจากนั้นส่งสัญญาณไปยังเลเยอร์ที่สองตามข้อมูลที่ได้รับจากภายนอก ข้อมูลนี้มักเป็นสัญญาณไบนารี "ใช่หรือไม่" บางครั้งเมื่อต้องการย้ายจาก "ไม่" เป็น "ใช่" โหนดจะต้องพบกับความตื่นเต้นหรือการกระตุ้นในระดับที่กำหนด
ข้อมูลย้ายจากเลเยอร์อินพุตไปยังเลเยอร์รองและเลเยอร์ตติยและต่อไปเรื่อย ๆ จนกระทั่งถึง "เลเยอร์เอาท์พุท" สุดท้ายซึ่งแสดงผลลัพธ์บนหน้าจอเพื่อให้โปรแกรมเมอร์ทำการวิเคราะห์ จอประสาทตาของมนุษย์ทำงานบนเครือข่ายประสาท โหนดระดับแรกจะตรวจจับคุณสมบัติทางเรขาคณิตอย่างง่ายในฟิลด์ภาพเช่นสีเส้นและขอบ โหนดรองเริ่มต้นด้วยคุณสมบัติที่เป็นนามธรรมที่ซับซ้อนยิ่งขึ้นเช่นการเคลื่อนไหวพื้นผิวและความลึก "เอาท์พุท" สุดท้ายคือสิ่งที่จิตสำนึกของเราลงทะเบียนเมื่อเรามองไปที่สนามภาพ อินพุตเริ่มต้นเป็นเพียงการจัดเรียงโฟตอนที่ซับซ้อนซึ่งจะมีความหมายเพียงเล็กน้อยโดยไม่มีฮาร์ดแวร์ทางระบบประสาทเพื่อให้เข้าใจได้ในแง่ของคุณสมบัติที่มีความหมายเช่นความคิดเกี่ยวกับวัตถุที่ยั่งยืน
ในการขยายโครงข่ายประสาทเทียมผลลัพธ์จากเลเยอร์ก่อนหน้าสามารถกลับไปที่เลเยอร์เหล่านั้นเพื่อ จำกัด สัญญาณเพิ่มเติม ความรู้สึกส่วนใหญ่ของเราทำงานด้วยวิธีนี้ ข้อมูลเริ่มต้นสามารถแจ้งให้ "เดาการศึกษา" ที่ผลลัพธ์สุดท้ายตามด้วยการดูข้อมูลในอนาคตในบริบทของการคาดเดาการศึกษาที่ ในภาพลวงตาความรู้สึกของเราทำให้คาดเดาการศึกษาที่กลายเป็นผิด
แทนที่จะเขียนโปรแกรมโครงข่ายประสาทเทียมอัลกอริทึมโปรแกรมเมอร์ต้องกำหนดค่าเครือข่ายประสาทด้วยการฝึกอบรมหรือการปรับจูนของเซลล์ประสาทส่วนบุคคล ตัวอย่างเช่นการฝึกอบรมโครงข่ายประสาทเทียมเพื่อจดจำใบหน้าจะต้องใช้การฝึกอบรมจำนวนมากซึ่งวัตถุ "facelike" และ "unfacelike" ที่แตกต่างกันนั้นถูกแสดงไปยังเครือข่ายพร้อมกับข้อเสนอแนะเชิงบวกหรือเชิงลบเพื่อเกลี้ยกล่อมเครือข่ายประสาทเทียม
