Deep learning

[diːp ˈlɜːnɪŋ]
углублённое обучение, глубокое обучение; углублённое изучение
 Глубокое обучение является подобластью так называемого машинного обучения (Machine Learning). Это сложное для обычного обывателя понятие основано на двух постулатах, когда подобное обучение производится:
 • на основе использования большого количества уровней представления информации, необходимых для моделирования комплексных отношений в самих данных;
 • на использовании немаркированных данных (без участия «учителя») или на комбинации немаркированных данных совместно с маркированными данными (то есть с частичным привлечением «учителя»).
 При обучении представления информации высокоуровневые признаки формируются за счёт низкоуровневых. Такая сложная иерархия признаков, с использованием разных уровней, называется «глубокой архитектурой» (Deep Architecture). Примером этой архитектуры являются нейронные сети, построение которых неизменно терпело крах у исследователей и учёных вплоть до 2006 года. Поэтому одной из самых ранних моделей «глубокого обучения», которая была успешно реализована на практике, стала сеть Deep Belief Network, с помощью который производилось обучение распределению высокоуровневых признаков изображений на основе использования разных слоёв бинарных переменных, с включением в этот процесс также и вещественных переменных.
 Со временем глубокие архитектуры произвели техническую революцию в области машинного обучения, значительно превзойдя другие модели. Особенно полезными они оказались при решении задач распознавания речи и изображений в областях аудио- и видеозаписи и ряде других. Поэтому в настоящее время (2013) благодаря колоссальной мощности и высокой производительности вычислительных ресурсов средства вычислительной техники могут распознавать объекты и переводить речь в режиме реального времени. Теперь можно утверждать, что искусственный интеллект окончательно становится «умным».

— Игорь Мостицкий (обсуждение) 13:36, 9 января 2026 (MSK)