التعلم العميق هو مجموعة فرعية من التعلم الآلي في الذكاء الاصطناعي (AI) المستوحى من بنية وعمل الدماغ البشري. إنه فرع من الذكاء الاصطناعي يركز على الخوارزميات القائمة على الشبكات العصبية الاصطناعية وهو نوع من التعلم الآلي الخاضع للإشراف الذي يستخدم الخوارزميات لتحليل البيانات وتحديد الأنماط لحل المشكلات المعقدة. تم تقديم التعلم العميق لأول مرة في أوائل الثمانينيات وشهدت شعبيته زيادة تدريجية منذ ذلك الحين، مما أدى إلى استخدامه الحالي على نطاق واسع.
الشبكة العصبية عبارة عن مجموعة من العقد (أو الخلايا العصبية) المترابطة التي يمكنها أداء المهام بطريقة مشابهة لتلك الخاصة بالشبكات العصبية البيولوجية. إنها عملية حاسوبية قوية تتضمن آلاف العقد التي تغير أوزانها وقوة اتصالها (على غرار كيفية تقوية مسارات الخلايا العصبية في الدماغ عن طريق التكرار). نظرًا لأنه يتم تغذية الشبكة بالبيانات، يمكنها التعرف على الأنماط وإجراء التنبؤات بدقة تتجاوز بكثير قدرات الخوارزميات الأساسية.
هناك العديد من التطبيقات للتعلم العميق، بما في ذلك تصنيف الصور، والتعرف على الكلام، ومعالجة اللغة الطبيعية، واكتشاف الكائنات، والترجمة التلقائية للغة، والتعرف على الوجه. بالإضافة إلى حالات الاستخدام التفصيلية مثل اتخاذ القرارات الأخلاقية، والنقل المستقل، والتشخيص الطبي، يمكن تطبيق التعلم العميق على نطاق أصغر في المهام اليومية مثل التنبؤ بالطقس، وأداء سوق الأوراق المالية، والكشف المبكر عن الأمراض، و اكثر.
يُنظر إلى التعلم العميق على نطاق واسع على أنه أحد أكثر طرق الذكاء الاصطناعي فعالية، ويكتسب زخمًا سريعًا في عالم تحليل البيانات المتغير باستمرار. لقد تجاوز بالفعل التعلم الآلي السابق له من حيث الأداء والسرعة، ويعتبر الأساس لحلول حل المشكلات التي تعتمد على الذكاء الاصطناعي في المستقبل.
