La neuroevoluzione è un approccio alternativo alla classica backpropagazione per l'addestramento delle reti neurali. Essa, se propriamente utilizzata, apporta vantaggi rispetto ai più comuni approcci di design di una rete neurale: riduzione della probabilità di overfitting e underfitting, scoparsa dei problemi di gradient vanishing e explosion, costruzione incrementale, ottima e del tutto automatica di una architettura di rete. Questo apre nuove frontiere nel Deep Learning facendo sì che non solo le macchine siano sempre più vicine all'uomo nell'eseguire task complessi, ma anche nel modo di apprenderli tramite meccanismi evolutivi spontanei.