Neural bearbetning hänvisade ursprungligen till hur hjärnan fungerar, men termen används mer typiskt för att beskriva en datorarkitektur som efterliknar den biologiska funktionen. I datorer ger neural bearbetning mjukvaran förmågan att anpassa sig till förändrade situationer och att förbättra dess funktion när mer information blir tillgänglig. Neural bearbetning används i programvara för att utföra uppgifter som att känna igen ett mänskligt ansikte, förutsäga vädret, analysera talmönster och lära sig nya strategier i spel.
Den mänskliga hjärnan består av cirka 100 miljarder neuroner. Dessa neuroner är nervceller som individuellt har en enkel funktion att bearbeta och överföra information. När nervcellerna överför och bearbetar i kluster, så kallade neurala nätverk, är resultaten komplexa – som att skapa och lagra minne, bearbeta språk och reagera på plötsliga rörelser.
Artificiell neural bearbetning efterliknar denna process på en enklare nivå. En liten bearbetningsenhet, kallad en neuron eller nod, utför en enkel uppgift att bearbeta och överföra data. Eftersom de enkla bearbetningsenheterna kombinerar grundläggande information genom kopplingar, blir informationen och bearbetningen mer komplex. Till skillnad från traditionella datorprocessorer, som behöver en mänsklig programmerare för att mata in ny information, kan neurala processorer lära sig på egen hand när de väl är programmerade.
Till exempel kan en neural processor förbättras vid pjäser. Precis som en mänsklig hjärna lär sig datorn att vissa drag av en motståndare görs för att skapa fällor. Grundläggande programmering kan göra att datorn faller för fällan första gången. Ju oftare en viss fälla dyker upp, desto större uppmärksamhet ägnar datorn åt dessa data och börjar reagera därefter.
Neurala programmerare kallar den ökande uppmärksamheten som datorn ägnar vissa resultat för ”vikt”. Traditionell bearbetning skulle bara förse datorn med de grundläggande spelreglerna och ett begränsat antal strategier. Neural bearbetning, genom att samla in data och ägna större uppmärksamhet åt viktigare information, lär sig bättre strategier allt eftersom.
Kraften i neural bearbetning ligger i dess flexibilitet. I hjärnan presenteras information som en elektrokemisk impuls – ett litet ryck eller en kemisk signal. Vid artificiell neural bearbetning presenteras informationen som ett numeriskt värde. Det värdet avgör om den artificiella neuronen blir aktiv eller förblir vilande, och det avgör också var den skickar sin signal. Om en viss pjäs flyttas till en viss ruta, till exempel, läser det neurala nätverket den informationen som numerisk data. Den datan jämförs med en växande mängd information, vilket i sin tur skapar en handling eller output.