كلما زادت الطبقات، زاد التجريد. يستخدم التعلم العميق الشبكات العصبية ذات الطبقات المخفية المتعددة لتعلم التمثيلات مباشرةً من البيانات الخام. فبدلاً من تصميم الميزات يدويًا، يترك الممارسون للشبكة اكتشافها.

انتشر هذا النهج بشكل واسع بعد عام 2012، عندما فازت شبكة عصبية تلافيفية عميقة بمسابقة رئيسية للتعرف على الصور بفارق كبير. وكان لوحدات معالجة الرسومات الأسرع، ومجموعات البيانات الأكبر، وتقنيات التدريب المحسّنة دورٌ حاسم في هذا النجاح.

مجالات تفوق التعلم العميق

• التعرف على الصور والفيديو
• معالجة الكلام واللغة
• النمذجة التوليدية
• اللعب والتحكم
• أنظمة التوصية

الأمر ليس سحراً. تتطلب النماذج العميقة مجموعات بيانات ضخمة، وقدرات حاسوبية هائلة، وضبطاً دقيقاً. كما أنها عصية على التفسير، وهو ما يمثل مشكلة في المجالات الخاضعة للتنظيم كالطب والتمويل. يستمر التقدم، لكن القيود العملية لا تزال قائمة.