Encontrar raíces arbitrarias de polinomios es un problema fundamental en diversas áreas de la ciencia y la ingeniería. Se han sugerido una gran cantidad de métodos para abordar este problema, como el método secuencial de Newton y el método iterativo simultáneo de Durand-Kerner (D-K). Los métodos iterativos secuenciales, por un lado, necesitan utilizar un procedimiento de deflación para calcular aproximaciones a todas las raíces de un polinomio dado, lo que puede producir resultados inexactos debido a la acumulación de errores de redondeo. Por otro lado, los métodos iterativos simultáneos requieren buenas suposiciones iniciales para converger. Sin embargo, las Redes Neuronales Artificiales (ANNs) son ampliamente conocidas por su capacidad para encontrar mapeos complejos entre las variables dependientes e independientes. En vista de esto, este artículo tiene como objetivo determinar, basándose en resultados comparativos, si las ANNs pueden ser utilizadas para calcular aproximaciones a las raíces reales y complejas de un polinomio dado, como una alternativa a algoritmos iterativos simultáneos como el método D-K. Aunque los resultados son muy alentadores y demuestran la viabilidad y potencialidad del enfoque sugerido, las ANNs no pudieron superar la precisión del método D-K. Sin embargo, los resultados indicaron que el uso de las aproximaciones calculadas por las ANNs como suposiciones iniciales para el método D-K puede ser beneficioso para la precisión de este método.