Il componente cardine del sistema nervoso degli animali e del quale il cervello è l’elemento centrale è il neurone. Esso ha la capacità di ricevere e combinare segnali provenienti da altri neuroni. Il livello di tali segnali decide se il neurone resterà inibito o entrerà in conduzione consentendo l’uscita del segnale per mezzo della sua estensione, detta assone.
L’assone si collega per mezzo di giunzioni, dette sinapsi, alle ramificazioni chiamate dentriti ove il segnale si diffonde a una gran quantità di altri neuroni. E’ questo complesso di collegamenti di neuroni che viene chiamato Rete Neuronica.
Riprodurre artificialmente la capacità di questa struttura biologica è diventato oggi obiettivo sempre più ambito. I tentativi sono stati apportati sviluppando modelli matematici che ne imitano le funzioni. Le Reti Neurali artificiali ne sono il prodotto, esse rappresentano la realtà pratica di quei modelli matematici.
E’ alquanto noto che essendo l’informatica ortodossa efficace solamente di fronte a domini strutturati (problemi risolvibili conoscendone a priori regole e procedure), le Reti Neurali, lavorando proprio con realtà non prestrutturata, diventano oggi oggetto di sempre più interesse.
La Rete Neurale è un particolare sistema informatico che permette di simulare il funzionamento cognitivo umano, per cui ne sostituisce, in taluni casi, la sua presenza.
La previsione non strutturata è dunque l’oggetto chiave della risposta della rete neurale.Sommariamente il loro utilizzo avviene per problemi tipo: supporto alle decisioni, diagnosi automatica, interpretazioni dei dati, modellazione del controllo dei processi industriali ecc.
Ultimamente sono state effettuate ricerche sperimentali a fine d’implementare sulle Reti Neurali anche alcune funzioni cognitive complesse. Una è la categorizzazione oggettiva di oggetti (Giornale Italiano di Psicologia, pag. 123-152), una seconda è la simulazione cognitiva delle metafore con rete neurale tipo Back-Propagation, una terza è l’uso della rete neurale nella valutazione dei potenziali umani. Il fulcro del funzionamento della rete neurale è la capacità intrinseca di variare la propria struttura in risposta ad informazioni di addestramento apportate dall’esterno, sviluppando un modo proprio di lavorare l’input. E’ l’apprendimento che la rende utilizzabile nella simulazione di capacità umane, è proprio tale caratteristica che le permette di lavorare con problematiche non prestrutturate. Le Reti Neurali apprendono come l’uomo attraverso esperienze accumulate. Un’altra caratteristica fondamentale è rappresentata dalla loro capacità di lavorare con dati incompleti o incerti od ancora inquinati da errori o da rumore.
Ogni rete neurale possiede una propria architettura che la rende più idonea per la risoluzione di specifici problemi.