神经网络是一种运算模型，由大量的节点(或称神经元)和之间相互连接构成。每个节点代表一种特定的输出函数，称为激励函数(ActivationFunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。这如果用在数控系统的控制中，对于数控机床的发展将是一个飞速的提高。
运用人工神经智能网络将使数控机床的体现出新的优越性。首先它具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。
其次它具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。另外它具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
随着科技的进步，数控机床也在不断发展，它不仅延伸了人的体力，还要逐步解决代替脑力劳动问题，包括自主工艺规划、工夹具管理、生产控制和维护管理等，机床将变得越来越“聪明”和人性化。在未来的工厂里，数控机床不仅是一台加工设备，而是工厂管理网络中的一个节点，具备更加广泛的人-机交互、物-物通信功能，从而开创数控技术的新纪元。
