Η Τεχνητή Νοημοσύνη λειτουργεί με ψηφιακά νευρωνικά δίκτυα που μιμούνται τη δομή του ανθρώπινου εγκεφάλου.

Η έννοια των τεχνητών νευρωνικών δικτύων ξεκίνησε το 1943, όταν ο νευροφυσιολόγος Warren McCulloch και ο μαθηματικός Walter Pitts περιέγραψαν ένα μαθηματικό μοντέλο για τη λειτουργία των νευρώνων. Ο ανθρώπινος εγκέφαλος περιέχει περίπου 86 δισεκατομμύρια νευρώνες που συνδέονται μέσω συνάψεων. Στην πληροφορική, οι ψηφιακοί νευρώνες οργανώνονται σε επίπεδα: το επίπεδο εισόδου, τα κρυφά επίπεδα επεξεργασίας και το επίπεδο εξόδου.Η σύγχρονη επανάσταση της AI βασίζεται στη «Βαθιά Μάθηση» (Deep Learning), η οποία χρησιμοποιεί δίκτυα με εκατοντάδες επίπεδα. Το 2012, το πείραμα AlexNet απέδειξε την ανωτερότητα αυτών των δικτύων στην αναγνώριση εικόνων, μειώνοντας το ποσοστό λάθους στο μισό σε σύγκριση με προηγούμενες μεθόδους. Κατά την εκπαίδευση, χρησιμοποιείται ο αλγόριθμος οπισθοδιάδοσης (backpropagation) για τη διόρθωση των λαθών, ενισχύοντας ή εξασθενώντας τις συνδέσεις, παρόμοια με τη συναπτική πλαστικότητα του εγκεφάλου.Σήμερα, μοντέλα όπως το GPT-4 διαθέτουν τρισεκατομμύρια παραμέτρους, οι οποίες αντιστοιχούν στην ισχύ των συνδέσεων μεταξύ των ψηφιακών νευρώνων. Παρά την πολυπλοκότητά τους, η βασική αρχή παραμένει η ίδια: η μετατροπή πληροφοριών σε αριθμητικά βάρη που επιτρέπουν στη μηχανή να «κατανοεί» τον κόσμο. Αυτή η βιολογικά εμπνευσμένη αρχιτεκτονική είναι που επιτρέπει στην AI να εκτελεί εργασίες όπως η ιατρική απεικόνιση και η αυτόνομη οδήγηση με ακρίβεια που συχνά ξεπερνά την ανθρώπινη.