Mais camadas, mais abstração. A aprendizagem profunda utiliza redes neuronais com muitas camadas ocultas para aprender representações diretamente a partir de dados brutos. Em vez de criarem recursos manualmente, os profissionais deixam que a rede os descubra.

A abordagem ganhou uma enorme popularidade após 2012, quando uma rede neural convolucional profunda venceu uma importante competição de reconhecimento de imagens por uma larga margem. GPUs mais rápidas, conjuntos de dados maiores e técnicas de treino melhoradas fizeram a diferença.

Onde a aprendizagem profunda se destaca

• Reconhecimento de imagem e vídeo
• Processamento da fala e da linguagem
• Modelação generativa
• Jogabilidade e controlo do jogo
• Sistemas de recomendação

Não é magia. Os modelos de aprendizagem profunda necessitam de grandes conjuntos de dados, poder computacional substancial e ajustes cuidadosos. Também resistem à interpretação, o que é um problema em áreas regulamentadas como a medicina e as finanças. O progresso continua, mas as limitações práticas também.