Fler lager, mer abstraktion. Djupinlärning använder neurala nätverk med många dolda lager för att lära sig representationer direkt från rådata. Istället för att skapa funktioner för hand låter tekniker nätverket upptäcka dem.

Metoden exploderade efter 2012, då ett djupt faltningsnätverk vann en stor tävling om bildigenkänning med bred marginal. Snabbare GPU:er, större datamängder och förbättrade träningstekniker gjorde skillnaden.

Där djupinlärning utmärker sig

• Bild- och videoigenkänning
• Tal- och språkbearbetning
• Generativ modellering
• Spelande och kontroll
• Rekommendationssystem

Det är inte magi. Djupgående modeller kräver stora datamängder, omfattande beräkningsmöjligheter och noggrann anpassning. De motstår också tolkning, vilket är ett problem inom reglerade områden som medicin och finans. Framstegen fortsätter, men det gör även de praktiska begränsningarna.