Un neurone artificiel est une équation mathématique relativement simple inspirée du fonctionnement des neurones biologiques. Un neurone artificiel a une ou plusieurs entrées, qu’il transforme en un résultat. L’équation peut être aussi simple que f(x)=ax+b . L’interconnexion de nombreux neurones sous forme de réseau de neurones permet d’enchaîner ces équations et donc d’effectuer des traitements complexes. Ainsi, le résultat de l’équation d’un neurone est réutilisé en tant que valeur d’entrée d’autres neurones, dont les résultats seront à leur tour réutilisés en entrée d’autres neurones.

Lors de la phase d’apprentissage, on fait varier progressivement les paramètres des équations de chaque neurone ( a et b dans l’exemple de l’équation ci-dessus) jusqu’à ce que le traitement appliqué par la totalité du réseau de neurones aux données soumises en entrée du réseau donne le résultat voulu en sortie du réseau. Ce processus mime la plasticité du cerveau. A la fin de l’apprentissage, les différents paramètres obtenus sont mémorisés afin d’être réutilisés lors de l’utilisation du réseau de neurones dans le cadre de son utilisation finale. Ainsi, à titre d’exemple, un réseau de neurones qui aura été entraîné à distinguer les visages sur des photos par une équipe de spécialiste n’aura plus qu’à appliquer les mêmes paramètres aux équations qui le composent, une fois embarqué sur une application pour smartphone pour savoir si une photo représente bel et bien un visage.

Il faut donc considérer avec beaucoup de précaution l’analogie faite entre le cerveau humain et les réseaux de neurones artificiels et garder à l’esprit le fait que les neurones artificiels ne sont faits que d’une suite d’additions et de multiplications.

Voir une explication du fonctionnement des réseaux de neurones artificiels en vidéo.