Semakin banyak lapisan, semakin abstrak. Deep learning menggunakan jaringan saraf dengan banyak lapisan tersembunyi untuk mempelajari representasi langsung dari data mentah. Alih-alih membuat fitur secara manual, para praktisi membiarkan jaringan tersebut menemukannya.

Pendekatan ini meledak setelah tahun 2012, ketika jaringan konvolusional dalam (deep convolutional network) memenangkan kompetisi pengenalan gambar besar dengan selisih yang lebar. GPU yang lebih cepat, kumpulan data yang lebih besar, dan teknik pelatihan yang lebih baik menjadi pembeda.

Keunggulan pembelajaran mendalam

• Pengenalan gambar dan video
• Pemrosesan ucapan dan bahasa
• Pemodelan generatif
• Bermain dan mengontrol permainan
• Sistem rekomendasi

Ini bukan sihir. Model deep learning membutuhkan kumpulan data yang besar, daya komputasi yang substansial, dan penyetelan yang cermat. Model ini juga sulit diinterpretasikan, yang merupakan masalah di bidang yang diatur seperti kedokteran dan keuangan. Kemajuan terus berlanjut, tetapi kendala praktisnya juga tetap ada.