Deep learning (uczenie głębokie) jest jedną z form sztucznej inteligencji. Według Yanna Le CUN’a jest to połączenie kilku dziedzin wiedzy: neurobiologii, matematyki i postępu technicznego. 

Dlaczego głębokie? 

Deep learning jest zorganizowane w taki sam sposób jak nasz mózg, czyli z wykorzystaniem kilku warstw neuronów. Dane są wówczas przekazywane przez różne warstwy informacji przechowywanych w naszej pamięci. Umożliwia to analizowanie różnych rozwiązań lub rozwiązywanie problemów. Niemniej jednak proces ten zachodzi znacznie intensywniej niż u człowieka, ponieważ liczba warstw neuronów jest znacznie większa (20 lub więcej). Człowiek posiada 6 warstw neuronów. Deep learning jest więc sztuczną siecią neuronową. 

Gdzie występuje? 

Deep learning jest obecny w naszym codziennym życiu, na przykład w aspekcie rozpoznawania twarzy (twój telefon komórkowy) lub w przetwarzaniu języka (tłumaczenia). To właśnie liczba warstw neuronów pozwoli nam uzyskać coraz większą dokładność. Zanim jednak technologia ta całkowicie opanuje nasze codzienne życie, musimy  ją poddać odpowiedniemu wyszkoleniu. Ważne jest, aby te urządzenia technologiczne postrzegały świat tak jak my, ludzie, w celu zbudowania inteligentnych systemów. Aby tego dokonać, urządzenie będzie otrzymywać tysiące danych i będzie musiało nauczyć się je rozpoznawać. Po tej fazie, urządzenie będzie w stanie samodzielnie się uczyć. 

Żyjemy w czasach świetności deep learningu, ale ta metoda istnieje już od wielu lat. Pierwsza sztuczna sieć neuronowa została stworzona w 1951 roku przez Minsky’ego i Edmonds’a (Uniwersytet Harvarda). Jednak koncepcja ta została rozwinięta przez Alana Turinga w latach 50-tych, zwłaszcza w słynnej maszynie Enigma (patrz film „Gra Tajemnic”). 

(sieć neuronowa)                                                       (uczenie głębokie)

         (warstwa wejściowa)                                   (warstwa ukryta)      (warstwa wyjściowa)