Neuraalista ohjelmointia käytetään ohjelmiston luomiseen, joka jäljittelee aivojen perustoimintoja. Se on keskeinen osa tekoälyä (AI) ja luo ohjelmistoja, jotka voivat ennustaa tuntemattomia, kuten sää- ja osakemarkkinatrendejä, sekä pelejä, joissa tietoverkkorikollinen vastustaja paranee kokemuksensa myötä. Neuraaliohjelmoinnin etuna perinteiseen ohjelmointiin verrattuna on sen ohjelmisto, joka kykenee oppimaan ja sopeutumaan uusiin tietoihin.
Yleensä hermo -ohjelmoinnissa käytetään laskenta -arkkitehtuuria, jota kutsutaan hermojen käsittelyksi, joka käyttää keinotekoisia neuroneja tai solmuja, jotka on ryhmitelty verkostoihin monimutkaisten tehtävien suorittamiseksi. Jokainen keinotekoinen neuroni laukaisee tietyn numeerisen arvon, joka määrittää milloin ja missä se lähettää signaalin seuraavalle neuronille. Yksittäinen neuroni on ohjelmoitu yksinkertaiselle jos-sitten-säännölle perustehtävää varten. Jos datan arvo on -1, se suorittaa yhden toiminnon. Jos datan arvo on 0, se tekee jotain muuta.
Neuraalinen ohjelmointi on kaksivaiheinen prosessi. Ensimmäinen vaihe on syöttää perustiedot ja säännöt, jotka ohjelmistosovellus tarvitsee ymmärtääkseen saamansa tiedot. Tämä ohjelmisto on yleensä ohjelmoitu bias -biteillä, mikä antaa enemmän uskottavuutta tietyntyyppisille tiedoille. Esimerkiksi osakemarkkinoiden ohjelmistojen hermo -ohjelmointi sisältää osakemarkkinakaupan perustoiminnot, kuten oletuksen, että osakkeen suurempi kysyntä lisää sen arvoa. Se sisältää myös tiettyjä harhoja, kuten kuinka ohjelmiston tulisi kiinnittää erityistä huomiota neljännesvuosittaisten tuloraporttien kehitykseen.
Neuraalisen ohjelmoinnin toista vaihetta kutsutaan koulutukseksi. Tietoja käytetään opettamaan ohjelmistolle tiettyjä suuntauksia ja mahdollisuuksia; Yleensä mitä enemmän tietoja ohjelmisto ottaa vastaan, sitä paremmin siitä tulee tarkkoja tuloksia. Tiedot voivat esimerkiksi opettaa tietokoneelle, että kun jollakin toimialalla on vahvat toisen neljänneksen tulot, se tarkoittaa yleensä sen neljännen vuosineljänneksen hidasta. Osakkeiden arvot on sidottu tulosraportteihin, joten ohjelmisto voisi lopulta ennustaa, että kyseisen toimialan varastot laskevat sen jälkeen, kun neljännen vuosineljänneksen raportit ovat, kun toimialalla oli vahva toinen vuosineljännes. Ohjelmiston tuotanto saattaa lopulta neuvoa elinkeinonharjoittajaa myymään ennen neljännen vuosineljänneksen tulosraporttien ilmestymistä.
Yleensä hermo -ohjelmoinnin etuna on, että ohjelmisto ei tarvitse täydellistä tietoa toimiakseen. Toisin kuin perinteinen ohjelmointi, joka sammuu virheiden sattuessa, hermo -ohjelmointi voi sopeutua epätäydellisiin tuloihin käyttämällä aiempia tietoja ongelman ratkaisemiseksi. Näin toimivat myös ihmisen aivot, vaikka ne ovat paljon monimutkaisempia. Esimerkiksi ihminen saattaa tunnistaa vanhan ystävän, vaikka tämä ystävä olisi painonnut tai kasvanut partaan; muut ystävän piirteet – kasvojen rakenteet, silmät, hänen kävelytapansa tai ääni – laukaisevat tunnistamisen. Neuraaliohjelmoijat kehittävät edelleen ohjelmistoja, jotka eivät ainoastaan jäljittele aivoja, vaan ovat joissain tapauksissa nopeampia ja jopa tarkempia.