Les machines de Turing neuronales (MTN) combinent des réseaux neuronaux avec une mémoire externe qui fonctionne comme la bande d'une machine de Turing classique.
Le réseau neuronal contrôle comment les données sont lues, écrites et organisées dans la mémoire, ce qui permet au modèle d'apprendre des tâches algorithmiques complexes.
Contrairement aux réseaux neuronaux traditionnels, les MTN ont la capacité de stocker des résultats intermédiaires et d'y accéder de manière flexible, ce qui est avantageux pour les problèmes séquentiels ou logiques.
L'entraînement se fait généralement par différentiabilité de toutes les opérations, permettant d'apprendre via la rétropropagation comment utiliser efficacement la mémoire.
Les applications typiques sont les tâches de tri ou de copie, mais aussi des processus plus complexes comme l'exécution de programmes simples.