نوع من أنواع التعلم الآلي يحاكي بنية وطريقة عمل الدماغ البشري بالاعتماد على شبكات عصبونية اصطناعية تستخدم عدداً كبيراً من الطبقات الخفية -أكثر من 6 عادةً- لذلك يمكن القول بأنه تعلم آلي محقون بالمنشطات. وقد أتت صفة العمق انطلاقاً من تعدد الطبقات التي تعمل معاً لدراسة كميات ضخمة من البيانات والعثور على أصغر الأنماط وتضخيمها وإعطاء نتيجة نهائية على شكل توقُّع.
تكون خوارزميات التعلم العميق مكدسة في بنية هرمية من التعقيد والتجريد المتزايد. وتتألف من عدد كبير من الطبقات التي تحتوي على عقد مترابطة تعالج البيانات بشكل لا خطي لاستخراج الميزات منها وتحويلها إلى مستويات مختلفة من التجريد (تمثيلات). فعبور البيانات من طبقة ما إلى الطبقة التي تليها يعتبر تحول؛ مما يجعل خرج كل طبقة دخل للطبقة التالية. وأهم ما يميز هذه الخوارزميات أنها على عكس التعلم الآلي التقليدي قادرة على استخلاص الميزات من تلقاء نفسها.
وبفرض كانت بيانات الدخل عبارة عن مصفوفة من البكسلات التي تعود لصورة تحتوي على شجرة. تقوم الطبقة الأولى عادةً بتجريد البكسلات والتعرف على حواف الميزات في تلك الصورة. فيما قد تقوم الطبقة التالية ببناء ميزات بسيطة من الحواف مثل الأشكال الهندسية. وبعد ذلك قد تتعرف الطبقة التي تليها على الأوراق والأغصان. ثم تتعرف الطبقة التالية على وجود شجرة في الصورة وهكذا دواليك.
تسمح قدرة التعلم العميق على استخراج الميزات ومعالجة البيانات بطريقة مشابهة لدماغ الإنسان باستخدامه في مجال واسع جداً من التطبيقات بدءاً من برمجيات معالجة اللغة الطبيعية وأنظمة التعرف التلقائي على الكلام مثل المساعدات الصوتية وبوتات الدردشة ونماذج اللغة مثل جي بي تي-3. وصولاً إلى تطبيقات الرؤية الحاسوبية مثل التعرف على الوجوه والصور والسيارات ذاتية القيادة وتشخيص الأمراض من الصور الطبية وغيرها الكثير.
