在分析选项之前，我们需要了解人工神经网络（ANN）的基本特性和行为。

A: 神经网络对训练数据中的噪声非常鲁棒
这句话是错误的。虽然神经网络在某些情况下可以通过正则化等技术来增加对噪声的鲁棒性，但它们通常对噪声数据比较敏感，尤其是在过拟合的情况下。如果训练数据中噪声较多且没有采取适当的措施，神经网络可能会学习到这些噪声特征，从而影响其泛化能力。

B: 可以处理冗余特征
这句话是正确的。神经网络可以通过学习数据的非线性关系来处理冗余特征，尤其是在使用适当的正则化技术和特征选择方法时。即使输入特征中存在冗余，网络可以在训练过程中自动调整权重，以减少对这些冗余特征的依赖。

C: 训练ANN是一个很耗时的过程
这句话通常是正确的。训练神经网络，尤其是深度神经网络，通常需要大量的计算资源和时间，特别是在大规模数据集或复杂模型的情况下。不过，随着硬件（如GPU）的发展和优化算法的改进，这一过程变得相对高效，但仍然可能耗时。

D: 至少含有一个隐藏层的多层神经网络
这句话是正确的。多层神经网络（也称为多层感知器，MLP）至少包含一个隐藏层。单层网络（即没有隐藏层的网络）仅能表示线性分割，而多层结构允许网络学习更复杂的非线性关系。

综上所述，选项A是错误的描述。