Ett neuralt nätverk är en specifik typ av maskininlärning eller artificiell intelligens (AI) som innebär att en dator tränas att känna igen specifika mönster eller funktioner i data. När det gäller fågelidentifiering tränas ett neuralt nätverk med hjälp av ett stort dataset som består av tusentals exakt märkta fågelljud. Denna datauppsättning fungerar som ett läromedel som gör det möjligt för datorn att lära sig och särskilja individuella fågelrop och sånger.

I likhet med hur vi lär ett litet barn betydelsen av ett ord som "hund", lär sig det neurala nätverket genom exponering till många exempel och guidad instruktion. I de tidiga stadierna ger vårdgivare vägledning genom att associera ordet "hund" med faktiska hundar och förstärka konceptet genom positiv förstärkning ("Det är en hund. Vilken trevlig hund!"). När barnet möter nya djur börjar de tillämpa sin förståelse och ställa frågor som "Hund?" att söka bekräftelse ("Nej älskling, det är en katt.") eller få positiv feedback ("Ja! Vilken vacker hund!").

På liknande sätt förfinar det neurala nätverket successivt sin förmåga att identifiera nya fågelljud det har inte stött på förut, med hjälp av sin omfattande utbildning med märkta exempel. Genom denna iterativa inlärningsprocess blir datorn mycket skicklig på att känna igen och klassificera obekanta fågelvokaliseringar.