Tüüpilises arvutis, mis on valmistatud nn Von Neumanni arhitektuuri järgi, elavad mälupangad isoleeritud moodulis. On ainult üks protsessor, mis töötleb jadaarhitektuuri abil käske ja mälu ükshaaval ümberkirjutusi. Teistsugune lähenemine andmetöötlusele on närvivõrk. Tuhandetest või isegi miljonitest üksikutest “neuronitest” või “sõlmedest” koosnevas närvivõrgus on kogu töötlemine väga paralleelne ja hajutatud. “Mälestused” salvestatakse sõlmedevahelistes keerulistes ühendustes ja kaalumistes.
Närvivõrgud on arvutusarhitektuuri tüüp, mida looduses kasutavad loomade ajud. See ei tulene tingimata sellest, et närvivõrk on olemuselt parem töötlemisviis kui jadaarvutus, vaid seetõttu, et jadaarvutust kasutavat aju oleks palju keerulisem järk-järgult arendada. Neuraalvõrgud kipuvad ka “mürarikaste andmetega” paremini hakkama kui jadaarvutid.
Edaspidises närvivõrgus võtab spetsiaalsete sõlmedega täidetud “sisendkiht” teavet ja saadab seejärel signaali teisele kihile, mis põhineb väljastpoolt saadud teabel. See teave on tavaliselt binaarne “jah või ei” signaal. Mõnikord peab sõlm “ei”-lt “jah”-le üleminekuks kogema teatud erutuse või stimulatsiooni läve.
Andmed liiguvad sisendkihist sekundaarsesse ja tertsiaarsesse kihti ja nii edasi, kuni need jõuavad lõpliku väljundkihini, mis kuvab tulemused ekraanil programmeerijatele analüüsimiseks. Inimese võrkkest töötab närvivõrkude alusel. Esimese taseme sõlmed tuvastavad nägemisväljas lihtsad geomeetrilised omadused, nagu värvid, jooned ja servad. Sekundaarsed sõlmed hakkavad abstraktsema keerukamaid funktsioone, nagu liikumine, tekstuur ja sügavus. Lõplik “väljund” on see, mille meie teadvus registreerib, kui vaatame nägemisvälja. Esialgne sisend on lihtsalt footonite keerukas paigutus, mis ilma neuroloogilise riistvarata ei tähendaks seda oluliste omaduste, nagu näiteks püsiva objekti idee, tähenduses.
Närvivõrkude tagasilevitamisel võivad varasemate kihtide väljundid naasta nendele kihtidele, et piirata täiendavaid signaale. Enamik meie meeli töötab sel viisil. Esialgsed andmed võivad anda lõpptulemuse “haritud oletuse”, millele järgneb tulevaste andmete vaatamine selle haritud oletuse kontekstis. Optiliste illusioonide puhul teevad meie meeled haritud oletusi, mis osutuvad valedeks.
Selle asemel, et programmeerida närvivõrke algoritmiliselt, peavad programmeerijad konfigureerima närvivõrgu üksikute neuronite treenimise või õrna häälestamisega. Näiteks närvivõrgu nägude äratundmiseks treenimiseks oleks vaja palju koolitusi, mille käigus näidati võrgule erinevaid näoga sarnaseid ja mittenäolisi objekte koos positiivse või negatiivse tagasisidega, et meelitada närvivõrku äratundmisoskuste parandamiseks.