Mai multe straturi, mai multă abstractizare. Învățarea profundă folosește rețele neuronale cu multe straturi ascunse pentru a învăța reprezentări direct din date brute. În loc să creeze manual caracteristici, practicienii lasă rețeaua să le descopere.

Abordarea a explodat după 2012, când o rețea convoluțională profundă a câștigat la o diferență semnificativă o competiție majoră de recunoaștere a imaginilor. GPU-uri mai rapide, seturi de date mai mari și tehnici de antrenament îmbunătățite au făcut diferența.

Unde excelează învățarea profundă

• Recunoaștere imagini și videoclipuri
• Prelucrarea vorbirii și a limbajului
• Modelare generativă
• Jocul și controlul
• Sisteme de recomandare

Nu este vorba de magie. Modelele profunde necesită seturi de date mari, o capacitate de calcul substanțială și o ajustare atentă. De asemenea, ele rezistă interpretării, ceea ce reprezintă o problemă în domenii reglementate precum medicina și finanțele. Progresul continuă, dar la fel se întâmplă și cu constrângerile practice.