当人类听到别人陈述的事情时，大脑开始历经复杂的讯号处理及过滤，并将信息元素 ( Information element ) 经过神经元(Neuron) 迅速的触发并收集相关信息，这个过程便是超感知能力。之后由经验累积学习到的语言基础进行语言的处理及判断，找出正确的事件逻辑。例如：“帮我寻找电视新闻内容有关于人工智能的相关文件”，这时计算机便知道必须要电视新闻里面找文件，而且是与人工智能相关的文件。

SNg 提供一仿真实现人类处理语言时的思考逻辑，并建立与存取 CCSR KR 的方法，透过概念的延伸搜寻相关的CCSR KR概念描述就如同神经元的触发，并根据已建立的逻辑实现推理与演译的过程。这也是HPLE引擎的动力来源。

类神经网络理论起源于1950年代，当时科学家仿造人类大脑的组织及运作方式，开始提出称之为「感知机」(perceptron) 的神经元模型，这是最简单也是最早的类神经模型，感知机通常被拿来做分类器(classifier) 使用。自1982年霍普菲尔(Hopfield)提出神经网络的理论以来，直到今日仍然有新的架构及理论不断地被提出，并配合计算机运算速度的一日千里，使得类神经网络的功能更为强大，运用层面也更为广泛，尤其是在机器学习(machine learning) 的领域。而Aibelive 的HPLE引擎，将类神经网络技术在机器学习方面的优势，运用在企业级(Server Edition) 撷取语言概念特征与专业知识领域(Domain knowledge) 的区分方面，赋予人工智能具备自我学习的能力，也让HPLE引擎的企业级应用提升至全新的领域。