Mehr Schichten, mehr Abstraktion. Deep Learning nutzt neuronale Netze mit vielen verborgenen Schichten, um Repräsentationen direkt aus Rohdaten zu lernen. Anstatt Merkmale manuell zu erstellen, lassen Anwender das Netzwerk diese entdecken.

Der Ansatz erlebte nach 2012 einen regelrechten Boom, als ein tiefes Faltungsnetzwerk einen wichtigen Bilderkennungswettbewerb mit großem Abstand gewann. Schnellere GPUs, größere Datensätze und verbesserte Trainingsmethoden machten den Unterschied.

Wo Deep Learning seine Stärken hat

• Bild- und Videoerkennung
• Sprach- und Sprachverarbeitung
• Generative Modellierung
• Spielablauf und Steuerung
• Empfehlungssysteme

Es ist keine Zauberei. Tiefe Modelle benötigen große Datensätze, erhebliche Rechenleistung und sorgfältige Anpassung. Zudem sind sie schwer interpretierbar, was in regulierten Bereichen wie Medizin und Finanzen problematisch ist. Der Fortschritt schreitet voran, doch die praktischen Beschränkungen bleiben bestehen.