Realmente você deveria comprar um livro sobre o assunto se realmente está interessado. Mas os conceitos básicos (e põe básicos nisto) são os seguintes:

1) Um neurônio possui um certo número de inputs, e apenas um output. O output pode ser visto como uma "Decisão" tomada com base nos inputs.

[![inserir a descrição da imagem aqui][1]][1]

2) O output do neurônio é bem-comportado, ou seja, é um valor numa faixa predeterminada (algo como "entre 0 e +1"), mesmo que os inputs do neurônio sejam de grandeza muito maior.

3) Para calcular o output, o neurônio atribui um "peso" diferente a cada um dos inputs, faz uma soma linear ponderada dos diversos inputs. Os "pesos" de cada input podem ser alterados. 

    output_linear = peso_a . input_a + peso_b + input_b + ...

Naturalmente, se um dos inputs for muito grande, mesmo que seu peso seja pequeno ele vai acabar dominando o output.

Os "pesos" armazenados em cada neurônio são a memória do sistema.

4) Para o output ser "bem-comportado" o resultado da soma linear é comprimido por uma função não-linear, como a função sigmóide:

    output = 1 / (1 + exp(-output_linear))

O uso de uma função não-linear no output é um dos aspectos que garante que uma rede neural possa "aprender" qualquer função.

5) Um único neurônio, também chamado de Perceptron, já tem serventia para algumas decisões simples, por exemplo parar o carro ou andar num cruzamento. Um input é o sinal vermelho, o outro pode ser uma ambulância se aproximando (cujo peso deve ser alto porque tem mais prioridade que o sinal vermelho), etc.

Um Perceptron também seria capaz de calcular quanto de sabão a máquina de lavar deve usar em função de algumas variáveis, ou qual o preço de venda de um produto para que ele dê lucro.

6) Uma rede neural mais capaz que o Perceptron tem uma ou mais camadas escondidas, ou seja, grupos de neurônios que não estão ligados nem diretamente ao input, nem ao output, formando uma malha de sinapses (ligações entre neurônios).

[![inserir a descrição da imagem aqui][2]][2]

Uma função extremamente simples, como a função XOR (Ou exclusivo), não pode ser aprendida por um Perceptron, mas pode ser aprendida por uma rede neural com camada escondida. Abusando um pouco da metáfora, um Perceptron não aprende funções com características "altruístas".

7) Através do mecanismo de "backpropagation", é possível "treinar" uma rede neural. Para isto, deve haver uma fase de aprendizado, onde os neurônios da rede são submetidos a um certo conjunto de inputs, e calcula-se o erro (diferença entre output observado e esperado). O erro é utilizado para recalcular os pesos da rede neural, de frente para trás (começando pelo neurônio de output e dali em direção aos inputs).

Se os neurônios fazem uso de uma função não-linear para o output, pode ser provado que a rede neural pode "aprender" qualquer função via backpropagation.

O processo de aprendizado e funcionamento da rede neural é essencialmente estatístico, é análogo à lógica difusa. Uma rede neural treinada para reconhecer letras vai responder sempre com um grau de incerteza (em vez de "esta letra é A", o output seria algo como "95% de chance de ser a letra A").

Por último, segue um artigo onde comparo neurônios com agentes econômicos, talvez interesse: [https://epxx.co/artigos/economianeural.php][3]


  [1]: https://i.sstatic.net/IhOKX.png
  [2]: https://i.sstatic.net/wOnD2.png
  [3]: https://epxx.co/artigos/economianeural.php