Penelitian neurologi berasal dari Inggris, di Universitas Edinburgh, Profesor Langer Higgins, teori jaringan saraf tiga lapis (termasuk lapisan input, lapisan tersembunyi, dan lapisan output) secara teoritis dapat mendekati fungsi non-linear kontinu apa pun, tetapi dalam aplikasi praktis, jaringan saraf dalam (Deep Neural Networks, DNNs) telah diadopsi secara luas. Alasannya adalah, jaringan dalam dapat lebih efisien dalam menangani struktur data yang kompleks, mengekstrak fitur multi-lapisan, sekaligus menunjukkan kinerja yang lebih baik dalam efisiensi komputasi dan generalisasi model. Misalkan Anda adalah seorang pelukis, dengan hanya tiga warna cat - merah, hijau, dan biru, melalui pencampuran ketiga warna ini, Anda dapat menciptakan hampir semua warna yang Anda butuhkan. Namun, hanya dengan teknik pencampuran sederhana, Anda mungkin tidak dapat dengan cepat melukis karya yang rumit dan halus. Jika Anda memperkenalkan lebih banyak lapisan dan alat pencampuran, seperti semprotan, pisau palet, atau bahkan perangkat lunak lukisan digital, kreasi Anda akan menjadi lebih efisien dan ekspresif. Demikian pula, meskipun jaringan saraf tiga lapis dapat menyelesaikan tugas pendekatan fungsi dasar, jaringan saraf dalam menawarkan kemampuan yang lebih kuat untuk menangani masalah nyata yang kompleks.