Nous savons que les ordinateurs sont meilleurs que les humains pour calculer des séries de chiffres, mais qu'en est-il des tâches plus complexes ? Comment apprendre à un ordinateur à quoi ressemble un chat ? Ou comment conduire une voiture ? Ou comment jouer à un jeu de stratégie complexe ? Ou à faire des prédictions sur le marché boursier ? Il s'agit là de certaines des tâches les plus difficiles de l'intelligence artificielle, qui dépassent de loin les capacités des techniques normales d'apprentissage automatique. Dans ces cas-là, les informaticiens se tournent vers les réseaux neuronaux. Ce qui distingue les réseaux neuronaux des autres algorithmes d'apprentissage automatique, c'est qu'ils utilisent une architecture inspirée des neurones du cerveau humain. Ces réseaux se révèlent bien adaptés à la modélisation d'abstractions de haut niveau dans un large éventail de disciplines et d'industries.