Neuroverkot ovat aivotoiminnan luonnollisiin hermoverkkoihin perustuvia tekoälyn malleja, joita käytetään informaation käsittelyssä, matematiikassa ja laskennassa. Neuroverkot ovat kehittyneet viime vuosisadalla tekniikan yleistyessä ja kehittyessä eräänlaisena tekoälyn oppimiskaavana. Alunperin neuroverkkomalleja pyrittiin kehittämään juuri aivojen luontaisia ominaisuuksia ja biologisia hermoverkkoja imitoimaan. Tarkoituksena oli luoda tekoälylle ominaisuuksia, joiden avulla voitaisiin opettaa tietokoneita ratkaisemaan ongelmia ihmisaivojen tavoin.

Ajan myötä neuroverkkojen käyttökohteet ja -tarkoitus ovat kuitenkin muuttuneet. Neuroverkkomallien käyttökohteita on lukuisia. Tärkeimpiä, yleisimpiä ja merkittävimpiä neuroverkkomallien käyttökohteita lienevät tietokonenäkö, puheentunnistus, konekääntäminen, sosiaalisten verkkojen suodattimet, peliteknologia, ja lääketieteellinen diagnoosi.

Eniten suunnittelijoita ja kehittäjiä kiinnostaa neuroverkkomalleissa niiden monet oppimismahdollisuudet. Neuroverkot voidaan ohjelmoida kolmen eri oppimistyylin mukaan: ohjattu oppiminen, ohjaamaton oppiminen, ja vahvistusoppiminen. Teknologian kehittyessä näitä tyylejä soveltamalla neuroverkkoja onkin voitu kehittää suorittamaan vaativia toimintoja, kuten edellä mainitut esimerkit osoittavat. Neuroverkkomalleja käytetäänkin nykyään useimmiten esimerkiksi robotiikan ja tietojenkäsittelyn eri osa-alueilla tekoälyn kehittämisessä ja soveltamisessa.

Neuroverkkojen käyttö edellyttää niiden ominaisuuksien syväluotaavaa tuntemusta. Oikean neuroverkkomallin valitseminen tietyn tehtävän tai toiminnan suorittamiseen voi olla haasteellista. Esimerkiksi liian monimutkaisen neuroverkkomallin käyttö vaadittuun tehtävään tai toimintoon nähden hidastaa laitteen tai ohjelmiston oppimista. Oppimiseen vaadittavan algoritmin valinta puolestaan vaatii huomattavan määrän kokeiluja. Lisäksi malli, sen kustannustehokkuus ja oppimisalgoritmi tulee valita huolella, jotta niitä seuraava neuroverkkomalli voi muodostua kestäväksi.

Kritiikki

Neuroverkkomalleihin kohdistuvat ongelmat ja kritiikki keskittyy pääasiallisesti niiden kyvyttömyyteen ratkaista tiettyjä vaativia ajatusongelmia, kuten esimerkiksi kahdeksan kuningattaren ongelma sakissa, tietotekniikassa ehkä tunnetuin laskennallinen ongelma elikauppamatkustajan ongelma, sekä kokonaislukujen tekijöihinjako.

Kritiikkiä neuroverkkomallien soveltamisesta (tai soveltumattomuudesta) on saanut myös se fatka, etteivät ne toimi kuten todelliset tai luonnolliset hermoverkostot. Sen lisäksi neuroverkkomallit vaativat valtavia tietojenkäsittelyresursseja. pelkästään aivojen informaationkäsittelyyn soveltuvien neuroverkkomallien imitoiminen tai simuloiminen vaatii verkostosuunnittelijaa täyttämään miljoonia tietokantoja kytköksien luomiseksi. Tämä taas vaatii valtavaa muisti- ja talletustilakapasiteettia.

Onnistuneita sovelluksia

Käytännön esimerkkejä onnistuneista sovelluksista löytyy lukuisia kritiikistä huolimatta. Näihin kuuluvat muun muassa täysin autonomisesti lentävä lentokone, luottokorttiväärennösten havaitseminen, ja Go-pelin taiturimainen hallitseminen. Neroverkkojen ja teknologian kehittyessä edelleen uusia sovelluksia löytyy varmasti jatkuvasti, ja nähtäväksi jää miten ihminen oppii elämään yhdessä tekoälyn kanssa.