На сьогоднішній день нейронні мережі використовують як альтернативу всім існуючим алгоритмам для машинного перекладу, розпізнавання мови та музики, обробки зображень, визначення об'єктів на фото та відео. Глибоке навчання (Deep learning) – метод машинного навчання, заснований, у першу чергу, на нейронних мережах, хоча можна застосовувати й інші методи. У сучасній реальності практично у всьому, що стосується Deep Learning, використовують нейронні мережі.

Успіх глибокого навчання безпосередньо залежить від потужності техніки. На момент появи нейронних мереж потужності комп'ютерів були низькими, через що і самі мережі були досить слабкими. Саме тому в той час неможливо було створити велику кількість шарів нейронних мереж, а саме від кількості шарів залежать можливості мережі. Але з появою GPU і TPU все змінилося. Сучасний Deep Learning здатен упоратися з великими розмірами мереж.

В інтернеті можна знайти багато матеріалів, в яких порівнюють роботу нейронної мережі та людського мозку. Аналогія з біологією зрозуміла тільки в найбільш загальному сенсі, але не дає розуміння яким конкретно чином працює нейронна мережа.

CNN або Convolutional neural network – одні з найвпливовіших інновацій в області комп'ютерного зору. Застосовуються скрізь, де необхідно розпізнати і/або класифікувати образи/обличчя. Зі складних задач, наприклад, для забезпечення безпеки в аеропортах, на вокзалах, в системах допуску корпорацій із високим рівнем секретності. У щоденному використанні – для більш зручного способу здійснювати покупки.

GAN або Generative Adversarial Nets використовуються, наприклад, у криміналістиці, коли потрібно створити фоторобот злочинця за описом, в дизайні – для створення предметів одягу або інтер'єру, виходячи з їхнього призначення, в кіновиробництві – коли потрібно поміняти освітлення, зістарити/омолодити героя. Саме нейронна мережа типу GAN використовується в тестах Фейсбук типу "Як би ти виглядав, якби був протилежної статі?".

Нейронні мережі типу DQN або Deep Q Learning використовують для прийняття рішень ШІ на підстав аналізу поточної ситуації. Тобто система сама збирає дані, сама їх аналізує, прогнозує найбільш ймовірний результат у тій чи іншій ситуації, приймає максимально вигідне рішення на підставі всіх факторів. Роботу таких нейронних мереж демонструють безпілотні автомобілі, трейдингові боти, чат-боти та ін.