神經網路是一種運算模型，由大量的節點(或稱神經元)和之間相互連接構成。每個節點代表一種特定的輸出函數，稱為激勵函數(ActivationFunction)。每兩個節點間的連接都代表一個對於通過該連接信號的加權值，稱之為權重，這相當於人工神經網路的記憶。網路的輸出則依網路的連接方式，權重值和激勵函數的不同而不同。而網路自身通常都是對自然界某種演算法或者函數的逼近，也可能是對一種邏輯策略的表達。這如果用在數控系統的控制中，對於數控機床的發展將是一個飛速的提高。
運用人工神經智能網路將使數控機床的體現出新的優越性。首先它具有自學習功能。例如實現圖像識別時，只在先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經網路，網路就會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對於預測有特別重要的意義。
其次它具有聯想存儲功能。用人工神經網路的反饋網路就可以實現這種聯想。另外它具有高速尋找優化解的能力。尋找一個複雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型人工神經網路，發揮計算機的高速運算能力，可能很快找到優化解。
隨著科技的進步，數控機床也在不斷發展，它不僅延伸了人的體力，還要逐步解決代替腦力勞動問題，包括自主工藝規劃、工夾具管理、生產控制和維護管理等，機床將變得越來越「聰明」和人性化。在未來的工廠里，數控機床不僅是一台加工設備，而是工廠管理網路中的一個節點，具備更加廣泛的人－機交互、物－物通信功能，從而開創數控技術的新紀元。
