Architettura artificiale ispirata al cervello umano grazie alla sua organizzazione basata su reti neurali multistrato; l'aggettivo "profondo" va proprio ricondotto allo "spessore" di questa stratificazione. Tre sono gli elementi che concorrono a definire un DL:
una significativa base di dati, che serve a "mettere in apprendimento" la rete neurale;
una consistente potenza di calcolo e un'altrettanto consistente capacità di memoria;
algoritmi di ottimizzazione che supportano il processo di apprendimento automatico.
Il DL non "impara" nel senso umano del termine, ma ottimizza funzioni matematiche su enormi quantità di esempi. (Cf. Panciroli - Rivoltella, 2023, 188).
Alcuni esempi di applicazioni del deep learning sono: l'interazione in linguaggio naturale; il riconoscimento di immagini, dati e oggetti; la robotica.
