人工神經網絡就像一個黑盒子，用于模擬任意函數。根據一定的訓練樣本（即所需模擬函數已知的輸入和輸出關系）神經網絡可以改變其內部結構使其模型特性逼近訓練樣本。即所謂的自學習，自組織和自適應。并且，由于神經網絡是采用整體逼近的方式，不會由于個別樣本誤差而影響整個模型特性，即所謂容錯特性。
其實用仿生的例子更容易理解，就像一個嬰兒，父母不斷教他說話，他最終能學習理解父母語言的意思，并且偶爾父母說錯一兩個字，孩子也能聽懂。

自適應、自學習能力：人工神經網絡可以通過訓練和學習獲得網絡的權值和結構，呈現出很強的自學習能力和對環境的適應能力。（就是可以根據環境要求，自動調節網絡結構、節點權值、步長等）

自組織能力：通過自動尋找樣本中的內在規律和本質屬性，自組織、自適應地改變網絡參數和結構。

容錯性：人工神經網絡通過自身的網絡結構能夠實現對信息的記憶，而所記憶的信息是存儲在神經元
之間的權值中。從單個權值中看不出所存儲的信息內容，因而是分布式的存儲方式，這使網絡具有良好的容錯性。