В последнее время в области машинного обучения произошли значительные изменения, вызвавшие большой интерес в промышленности, научных кругах и популярной культуре. Они обусловлены прорывом в области искусственных нейронных сетей, часто называемых глубоким обучением, - набора методов и алгоритмов, позволяющих компьютерам обнаруживать сложные закономерности в больших массивах данных.

Прорыву способствуют расширение доступа к данным ("большие данные"), удобные программные платформы и взрывной рост доступных вычислительных мощностей, что позволяет использовать более глубокие, чем когда-либо, нейронные сети. Эти модели сегодня составляют современный подход к решению самых разных задач в области компьютерного зрения, языкового моделирования и робототехники.

Глубокое обучение заняло видное место в компьютерном зрении, когда нейронные сети стали превосходить другие методы в нескольких известных бенчмарках для анализа изображений. Наиболее известным стало решение Image Net Large-Scale Visual Recognition Challenge (ILSVRC) в 2012 году, когда модель глубокого обучения (конволюционная нейронная сеть) вдвое превзошла второй по величине показатель ошибок в задаче классификации изображений.

. .