Hauptsächlich werden bei der Spracherkennung mittels Künstlicher Intelligenz neuronale Netze zur Spracherkennung eingesetzt. Diese sind angelehnt an die Funktion des menschlichen Gehirns, das lernt, indem es Neuronen über Synapsen mit anderen Neuronen verbindet. Übertragen heißt das, die Arbeit wird in mehreren Schichten erledigt.
Gesprochene Signale liegen an der Eingangsschicht vor, werden dann auf der Zwischenschicht verarbeitet, bis sie an der Ausgangsschicht als erkannte Worte vorliegen. Die Anzahl der Schichten kann beliebig variieren, die Vorgänge im Inneren sind von außen nicht ersichtlich.
Dieses Prinzip der Multi-Layer-Perception (MLP) wird auch zur Texterkennung verwendet.
