El hombre se ha caracterizado por buscar constantemente nuevas vías para poder mejorar su condición de vida. Esto le ha servido para poder simplificar el trabajo en aquellas tareas donde la fuerza está incluida. Los resultados obtenidos han permitido dirigir estos esfuerzos a otros campos, como por ejemplo el diseño y fabricación de máquinas para resolver problemas de matemática, esto lo realizará de una manera rápida y eficiente para ayudar a resolver problemas que pueden resultar tediosos a la hora de hacerlo a mano. 

Charles Bobbage intentó construir una máquina que pudiese resolver problemas matemáticos, y posteriormente mucho otros intentaron hacerlo también pero se logró disponer de instrumentos electrónicos ya para la Segunda Guerra Mundial, y fue allí cuando se empezaron a ver los primeros avances. 

La inteligencia artificial intenta descubrir y describir aspectos de inteligencia humana para poder ser simulados mediante máquinas. Esta área ha sido desarrollada en los últimos años de una manera muy fuerte, en donde podemos notar su aplicación en estos campos: visión artificial, demostración de teoremas, procesamiento de información expresada mediante lenguajes humanos, entre otras. 

Las redes neuronales son una forma de poder emular características que solo poseemos los humanos, como la capacidad de memorizar o de asociar hechos. Si analizamos todos los problemas que no podemos expresar mediante algún algoritmo, notaríamos que todos tienen una característica en común que es la experiencia. El hombre es capaz de resolver este tipo de situaciones usando la experiencia que ha adquirido. Podemos decir que las redes neuronales es un modelo artificial y simplificado del cerebro y su unidad básica de procesamiento está inspirada en la neurona que es la célula fundamental del sistema nervioso. El pensamiento tiene lugar en el cerebro el cual está compuesto por billones de neuronas que se encuentran interconectadas. Sin importar como definamos la inteligencia se dice que esta se encuentra dentro de las neuronas interconectadas y de la interacción que estas tienen entre sí. Los humanos somos capaces de aprender y el aprendizaje lo podemos asociar con aquellos problemas que no podíamos resolver inicialmente, pero pueden ser resueltos después de haber adquirido información acerca del problema. En resumen, las redes neuronales consisten de unidades de procesamiento que intercambian datos o información.  

Al igual que la IA, las redes neuronales poseen muchas definiciones, las cuales podemos destacar estas 3: 

Una neurona es la unidad básica de la red y la podemos describir comparándola con una neurona biológica, ya que el funcionamiento será similar. 

En la parte superior de la imagen vemos una neurona biológica, ésta está formada por sinapsis, axón, dentritas y cuerpo. En la parte inferior tenemos una neurona artificial que es una unidad de procesamiento de la información, es un dispositivo simple de cálculo que ante un vector de entradas proporciona una única salida. 

Una red neuronal está constituida por neuronas interconectadas y agrupada en 3 capas (las capas pueden variar). Los datos entran a través de la capa de entrada (inputs), las cuales pasan por la capa oculta y salen por la capa de salida (outputs).

Sabiendo que la neurona es la unidad básica de la red, podemos definir una red neuronal como modelos matemáticos inspirados en sistemas biológicos, adaptados y simulados en computadoras convencionales.

La arquitectura de la red consiste en la conexiones y disposición de las neuronas y podemos distinguir en una red las capas, el tipo de capas que posee ya sea ocultas o visibles, de entrada o salida y la dirección de las conexiones de las neuronas.

El aprendizaje se basa en el entrenamiento de la red mediante patrones y que la red ejecute estos patrones de manera iterativa hasta que se me muestren respuestas satisfactorias, es decir, los pesos sinápticos se ajustan para dar respuestas óptimas para el conjunto de patrones de entrenamiento. Podemos distinguir 3 tipos de aprendizaje:

Las redes neuronales pueden utilizarse en una gran variedad de aplicaciones, tanto comerciales como militares. Se pueden desarrollar redes neuronales en un periodo de tiempo razonable, con la capacidad de realizar tareas específicas mejor que otras tecnologías. Cuando se implementan mediante hardware, presentan una alta tolerancia a fallos del sistema y proporcionan un alto grado de paralelismo en el procesamiento de datos. Esto posibilita la inserción de redes neuronales de bajo coste en sistemas existentes y recientemente desarrollados.