Secara teori pattern recognition dapat kita katakan sebagai salah satu cabang dari ilmu komputasi yang dititik beratkan pada penemuan pola pada data yang menunjukkan satu informasi tertentu. Data yang digunakan untuk pengenalan pola ini dapat berupa citra, suara, text, maupun gambar bergerak (video). Dengan kata lain, kita berupaya agar data tadi mampu mengeluarkan informasi yang terkandung di dalamnya. Seberapa jauh kemampuan data itu dapat memberikan informasinya, tentunya tergantung dari kualitas dan kuantitas data itu sendiri.

Pengetahuan ini banyak dipengaruhi oleh kemampuan manusia itu sendiri dalam memproses informasi, mengenal wajah, tulisan, dsb. Namun belum ada satupun algoritma yang dapat menyamai kemampuan tersebut, karena otak manusia sendiri berisi kira-kira 20 miliar sel otak. walaupun saat ini hal tersebut sudah hampir mendekati. Selain itu otak manusia memiliki struktur yang lebih komplek. Sel-sel yang jumlahnya banyak tersebut saling berhubungan satu sama lain dimana masing-masing sel tersebut mewakili satu karakteristik tersendiri.

Pendekatan dan cara untuk pengenalan pola itu sendiri banyak macamnya. Diantaranya yang paling banyak digunakan sekarang ini yaitu dengan pendekatan sintatik, statistik dan jaringan syaraf tiruan. Pendekatan dengan mode sintatik di titik beratkan pada aturan-aturan (rule) yang didefinisikan sebelumnya. Sedangkan statistik menggunakan pendekatan berdasarkan fakta-fakta yang ada. Dari kedua pendekatan ini metode jaringan syaraf tiruan merupakan gabungan dari aturan yang telah ditetapkan dan berdasarkan fakta yang di terima. Ciri khas dari jaringan syaraf tiruan ini mempunyai kemampuan untuk leraning dari data yang digunakan, dan memiliki toleransi yang berbeda untuk setiap data input.

Meskipun secara reflek kita akan mengatakan bahwa dengan menggunakan jaringan syaraf tiruan akan didapatkan hasil yang lebih maksimal karena merupakan penggabungan dari dua cara, namun dalam beberapa kasus akan tetap lebih efisien dan cocok dengan menggunakan pendekatan sintatik maupun statistik.

Kemampuan akan pengenalan pola didalam komputasi ini telah banyak dimanfaatkan pada kehidupan kita sehari - hari.
Salah satu contoh yang dapat kita ambil yaitu pengenalan pola wajah yang digunakan didalam kamera digital. Data yang ditangkap berupa citra objek oleh lensa kamera akan diolah untuk mendeteksi letak dimana posisi wajah. Posisi tersebut digunakan untuk menentukan dimanakah letak fokus lensa yang bagus. Jadi sipengguna kamera tidak susah lagi untuk mengatur secara manual fokus lensa kameranya.

Contoh lain dari penerapan pattern recognition dapat dilihat pada pengenalan untuk pencocokan sidik jari dan tanda tangan. Kemampuan ini biasa dimanfaatkan oleh perusahaan perbankan untuk menjadikan nilai tambah dalam fasilitas yang mereka sediakan. Pengenalan pola tanda tangan mereka gunkanan untuk memastikan keaslian data nasabah ketika bertransaksi secara online melalui e-banking dan penggunaan kartu debit / kredit.

Satu hal lain yang tidak kalah menariknya dari pemanfaatan pattern recognition ini adalah konversi dari suara menjadi tulisan atau yang lebih kita kenal dengan istilah speech to text. Hampir semua alat personal digital asistant (PDA) keluaran terbaru menyertakan fungsi ini. Dengan speech to text kita dapat mengatur semua kegiatan harian cukup dengan menggunakan suara.

Kemampuan dari pattern recogniton ini akan terus meningkat dari hari ke hari. Hal ini dipicu oleh tujuan awalnya yang menginginkan kemampuan otak manusia dalam hal mengolah kumpulan data menjadi suatu informasi dapat ditransfer kedalam mesin komputasi. Bukan suatu hal yang mustahil kiranya, jika suatu saat nanti manusia dapat menciptakan suatu alat yang mempunyai kemampuan seperti dirinya.