Càng nhiều lớp, càng nhiều mức độ trừu tượng. Học sâu sử dụng mạng nơ-ron với nhiều lớp ẩn để học các biểu diễn trực tiếp từ dữ liệu thô. Thay vì tự tay tạo ra các đặc trưng, ​​người học để mạng tự khám phá chúng.

Phương pháp này bùng nổ sau năm 2012, khi một mạng nơ-ron tích chập sâu giành chiến thắng áp đảo trong một cuộc thi nhận dạng hình ảnh lớn. GPU nhanh hơn, tập dữ liệu lớn hơn và các kỹ thuật huấn luyện được cải tiến đã tạo nên sự khác biệt.

Lĩnh vực mà học sâu vượt trội

• Nhận dạng hình ảnh và video
• Xử lý ngôn ngữ và lời nói
• Mô hình tạo sinh
• Chơi game và điều khiển
• Hệ thống đề xuất

Đây không phải là phép thuật. Các mô hình học sâu cần tập dữ liệu lớn, sức mạnh tính toán đáng kể và sự tinh chỉnh cẩn thận. Chúng cũng khó diễn giải, điều này là một vấn đề trong các lĩnh vực được quản lý chặt chẽ như y học và tài chính. Sự tiến bộ vẫn tiếp diễn, nhưng những hạn chế thực tiễn cũng vậy.