La perforación y voladura siguen siendo la técnica preferida utilizada para la fragmentación de masas rocosas en proyectos de minería y construcción en comparación con otros métodos desde un punto de vista económico y de productividad. Sin embargo, la fragmentación de masas rocosas utiliza solo un máximo del 30% de la energía explosiva de la voladura, y alrededor del 70% se pierde como desecho, creando así impactos negativos en la seguridad y el entorno circundante. La predicción del impacto inducido por la voladura se ha demostrado muy eficaz en investigaciones recientes como una solución recomendada para optimizar la operación de voladura, aumentar la eficiencia y mitigar preocupaciones de seguridad y medio ambiente. Las redes neuronales artificiales (ANN) se introdujeron recientemente como un enfoque computacional para diseñar el modelo computacional de fragmentación inducida por voladura y otros impactos con una capacidad superior comprobada. Este artículo destaca y discute los artículos de investigación realizados y publicados en este campo dentro de la literatura. Los modelos de predicción de fragmentación de rocas y algunos efectos inducidos por la voladura, incluyendo voladuras de roca, vibración del suelo y retroceso, fueron investigados en detalle en esta revisión. La literatura mostró que aplicar la red neuronal artificial para la predicción de eventos de voladura es una forma práctica de lograr una operación de voladura optimizada con efectos indeseables reducidos. Al mismo tiempo, los artículos examinados indican una falta de artículos centrados en la predicción de fragmentación inducida por voladura utilizando la técnica ANN a pesar de su importancia significativa en la economía general de toda la operación minera. Además, la investigación reveló cierta falta de estudios que predijeran más de un impacto inducido por la voladura.