شبکه های عصبی نسبت به رایانه های معمولی، مسیر متفاوتی را برای حل مسئله طی می کنند. رایانه های معمولی از یک مسیر الگوریتمی استفاده می کنند؛ به این معنی که رایانه یک مجموعه از شیوه نامه ها را به قصد حل مسئله پی می گیرد. بدون اینکه، قدم های مخصوصی که رایانه نیاز به طی کردن دارد، شناخته شده باشند، رایانه قادر به حل مسئله نیست. این حقیقت، قابلیت حل مسئله رایانه های معمولی را به مسائلی محدود می کند که ما قادر به درک آنها هستیم و می دانیم چگونه حل می شوند. اما جایگاه رایانه ها زمانی مشخص می گردد که انسان در حل مسائل، اطلاعات زیادی ندارند. شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد، پردازش می کنند. آنها از تعداد زیادی عناصر پردازشی (سلول عصبی) که فوق العاده بهم پیوسته اند، تشکیل شده اند که این عناصر به صورت موازی با هم برای حل یک مسئله مشخص کار می کنند. شبکه های عصبی بر مبنای حل مسئله کار می کنند و نمی توان آنها را برای انجام یک وظیفه خاص برنامه ریزی کرد. نمونه ها باید با دقت اتخاب شوند، در غیر این صورت، زمان مفید، تلف می شود یا حتی بدتر از این، شبکه ممکن است نادرست کار کند. امتیاز شبکه عصبی این است که روش حل مسائل را کشف می کند و عملکرد آن قابل پیش گویی نیست. از طرف دیگر، رایانه های معمولی از یک مسیر مشخص برای حل یک مسئله استفاده می کنند. راه حلی که مسئله از آن طریق حل می شود، باید از قبل شناخته شود و به صورت دستورهای کوتاه و غیرمبهی شرح داده شود. این دستورها سپس به زبان های برنامه نویسی سطح بالا برگردانده می شود و بعد از آن به کدهایی که رایانه قادر به درک آنها است، تبدیل می شود. به طور کلی، این ماشین ها قابل پیش گویی هستند و اگر در حین کار خطایی به وقوع بپیوندد، به یک اشتباه سخت افزاری یا نرم افزاری بر می گردد. شبکه های عصبی و رایانه های معمولی با هم در حال رقابت نیستند؛ بلکه کامل کننده یکدیگرند.