Lucrarea este concepută în ideea de a veni în sprijinul tuturor celor care doresc să cunoască aspecte mai mult sau mai puţin analitice referitoare la ştiinţa micro- şi macroeconomică, din perspectiva aplicării calculului neuronal.

La nivel macroeconomic, autorii demonstrează, pe baza ultimelor rezultate în cercetările mondiale asupra dinamicilor economice, importanța cunoașterii unor comportamente neașteptate, ciudate (dinamici de tip punct șa, de tip bifurcații Hopf etc.), care fac inoperante politicile clasice de reglare macroeconomică prin pârghii de politică fiscală sau monetară.
Prezentul volum, ca și celelalte două anterioare, sunt racordate la o bogată bibliografie de specialitate pe plan mondial.

Lucrarea abordează teoria jocurilor într-o manieră graduală, de la simplu la complex. Sunt tratate jocurile statice în informaţie completă, jocurile de sumă nulă, jocurile dinamice în informaţie completă, jocurile statice în informaţie incompletă şi licitaţiile.

Aspectele teoretice sunt prezentate în detaliu la începutul fiecărui capitol, fiind urmate de probleme rezolvate şi probleme propuse. În cadrul problemelor rezolvate, toate noţiunile teoretice sunt explicate pe larg.

Prin inteligenţă artificială (AI-Artificial Intelicence) se înțelege orice tehnică care permite calculatoarelor să imite comportamentul uman, inclusiv învăţarea maşinii, procesarea limbajului natural (NLP), sinteza limbajului, „viziunea” computerului (programarea computerului pentru a„vedea”), robotica, analiza senzorilor, optimizarea şi simularea.
În acest context, Machine Learning (ML – învăţarea automată) constituie un subset de tehnici de AI care permite sistemelor informatice să „înveţe” din experienţa anterioară (adică din observaţiile de date), având ca efect îmbunătăţirea operaţiunilor pentru o anumită sarcină. Tehnicile ML includ Support Vector Machines (SVM), arbori de decizie, învăţare Bayes, k-means clustering, reguli de asociere, regresie, reţele neuronale şi multe altele.