Aprendizaje profundo

Redes neuronales con muchas capas sucesivas y métodos de entrenamiento ajustados a representaciones apiladas (a menudo rebautizado circa 2006–2012).

El aprendizaje profundo generalmente se refiere a redes con múltiples capas ocultas: o Transformers modernos muy amplios: para aprender representaciones jerárquicas de características a partir de entradas relativamente crudas como píxeles, formas de onda y tokens.

Las eras de avance incluyen las redes CNN en percepción y los Transformers basados en atención, incluyendo los grandes modelos de lenguaje (LLM), preentrenados en corpus enormes.