Le reti neurali artificiali sono sistemi di elaborazione delle informazioni basati su sistemi nervosi naturali come il cervello umano. Sono costituiti da molti singoli neuroni artificiali che sono interconnessi, possono risolvere problemi insieme e hanno la capacità di apprendere. Una rete neurale ricorrente (RNN) assomiglia particolarmente al cervello umano perché contiene circuiti di feedback. Questi consentono ai segnali di viaggiare sia in avanti che indietro, creando un sistema più complesso e meno stabile. La rete neurale ricorrente è dinamica e, dopo ogni input, lo stato del sistema cambia continuamente fino a raggiungere un equilibrio.
I cervelli umani possono essere descritti come reti neurali ricorrenti biologiche. Una rete neurale artificiale ricorrente condivide la capacità del cervello di apprendere processi e comportamenti. Questo non è possibile con i metodi di machine learning tradizionali. In comune con altri tipi di reti neurali, una rete neurale ricorrente è particolarmente efficace nel riconoscere i modelli e nell’individuare le tendenze. Sono stati trovati numerosi potenziali usi per questo tipo di modello computazionale, tra cui il riconoscimento di malattie da scansioni mediche, la modellazione dei sistemi corporei, il riconoscimento del linguaggio e della scrittura e le previsioni del mercato azionario.
Tipicamente, una rete neurale ricorrente verrà utilizzata per risolvere un problema in cui è noto, o fortemente sospettato, che esiste un qualche tipo di relazione tra l’input dei dati e l’output sconosciuto. La rete sarà addestrata, o si addestrerà da sola, per elaborare quella relazione e fornire un possibile valore di output. Una rete neurale ricorrente è in grado di gestire grandi problemi complessi in cui alcuni valori sono mancanti o corrotti. La sua capacità di imparare dall’esempio lo rende potente e flessibile ed elimina la necessità di creare un algoritmo per ogni attività specifica.
Le reti neurali ricorrenti possono essere descritte come strumenti di modellazione di dati statistici non lineari. La presenza di circuiti di feedback significa che sono sistemi adattivi, in grado di rispondere al cambiamento. Una rete neurale ricorrente utilizzata nel campo della robotica può consentire a un robot di apprendere dall’esperienza, consentendogli di prendere decisioni sulla direzione da prendere per raggiungere un obiettivo. Potrebbe anche essere possibile sviluppare la curiosità nei robot rendendo gratificante concentrarsi su cose imprevedibili, anche se non del tutto casuali. Alcuni scienziati ritengono che la coscienza stessa sia un processo meccanico e che un giorno potrebbe essere possibile sviluppare una forma cosciente di rete neurale ricorrente, sebbene ciò porterebbe a questioni etiche sui diritti di robot e macchine.