Больше слоев, больше абстракции. Глубокое обучение использует нейронные сети с множеством скрытых слоев для непосредственного изучения представлений на основе необработанных данных. Вместо того чтобы создавать признаки вручную, специалисты позволяют сети обнаруживать их.

Этот подход получил широкое распространение после 2012 года, когда глубокая сверточная нейронная сеть с большим отрывом выиграла крупный конкурс по распознаванию изображений. Более быстрые графические процессоры, большие наборы данных и улучшенные методы обучения сыграли решающую роль.

Где глубокое обучение проявляет свои лучшие качества

• распознавание изображений и видео
• Обработка речи и языка
• Генеративное моделирование
• Игровой процесс и управление
• рекомендательные системы

Это не магия. Глубокие модели требуют больших наборов данных, значительных вычислительных мощностей и тщательной настройки. Кроме того, они трудно поддаются интерпретации, что является проблемой в регулируемых областях, таких как медицина и финансы. Прогресс продолжается, но и практические ограничения тоже.