Μηχανική μάθηση: Διαφορά μεταξύ των αναθεωρήσεων

Η πτώση των τιμών του υλικού των τελευταίων ετών καθώς και η ανάπτυξη των GPU για προσωπική χρήση, οδήγησε στην ανάπτυξη της ιδέας της Βαθιάς Μάθησης. Αυτή η προσέγγιση προσπαθεί να μοντελοποιήσει τον τρόπο που ο ανθρώπινος εγκέφαλος επεξεργάζεται το φως και τον ήχο και τα μετατρέπει σε όραση και ακοή. Ορισμένες επιτυχείς εφαρμογές της Βαθιάς μάθησης είναι η μηχανική όραση<ref>{{Cite web|url=http://arxiv.org/pdf/1506.09067v1.pdf|title="The Potential of the Intel Xeon Phi for Supervised Deep Learning"|author1=Andre Viebke |author2=Sabri Pllana |website=The 17th IEEE International Conference on High Performance Computing and Communications (HPCC 2015) Aug. 24 - 26, 2015, New York, USA. IEEE |accessdate=2016-04-01}}</ref> και η αναγνώριση ομιλίας.<ref>{{Cite web|url=http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.149.802&rep=rep1&type=pdf|title="Convolutional Deep Belief Networks for Scalable Unsupervised Learning of Hierarchical Representations|last=Honglak Lee, Roger Grosse, Rajesh Ranganath, Andrew Y. Ng.|first=|date=|website=Proceedings of the 26th Annual International Conference on Machine Learning, 2009|publisher=|accessdate=}}</ref>