El objetivo de una red neuronal es resolver los problemas de la misma manera que lo hace el cerebro humano, aunque las redes neuronales son más abstractas. Pueden contener desde unos miles a unos pocos millones de unidades neuronales. Se idearon en la década de 1940, cuando empezaba la era de la computación, pero no es sino en el siglo XXI cuando, gracias a los nuevos softwares y hardwares, se desarrolló como metodología rápida y eficiente. Son formas programáticas basadas en unidades electrónicas que se interconectan y van produciendo respuestas y resolviendo problemas, mientras van "aprendiendo" de ese mismo proceso.
Por ejemplo, dados unos parámetros, hay una forma de combinarlos para predecir un cierto resultado. Sabiendo, digamos, los píxeles de una imagen, habrá una forma de saber qué número hay escrito; o conociendo la carga de servidores de un Centro de Procesamiento de Datos (CPD), su temperatura y demás, existirá una manera de saber cuánto van a consumir, como hace Google. Permite pues, una predicción relativa. La forma de presentarse (y de entenderse) suele ser a través de diagramas de flujo y de interconexiones, que permiten entender y prever cada paso del sistema.
Las redes neuronales se pueden también estructurar por capas, niveles de respuesta a problemas previstos o imprevistos, ayudando a resolver planteamientos complejos. Si bien es cierto que estas redes aún no son capaces de entender o aprender de manera absolutamente dinámica, y que aún hay dificultades de aplicación por resolver, son, sin duda, una herramienta formidable para nuestro mundo digitalizado.
