Deep Learning ist eine Methode der künstlichen Intelligenz, bei der ein Programm anhand vieler Beispiele selbst lernt, Muster zu erkennen – über künstliche neuronale Netze mit vielen Schichten. Das „deep“ (tief) bezieht sich auf genau diese vielen Schichten, durch die die Daten wandern.

Wie es lernt

Das Vorbild ist grob das menschliche Gehirn mit seinen vernetzten Nervenzellen. Ein Deep-Learning-System bekommt keine festen Regeln vorgesetzt, sondern lernt aus Daten. Zeigt man ihm zehntausende Bilder von Katzen und Hunden, findet es nach und nach selbst heraus, woran sich beide unterscheiden – ohne dass ihm je jemand „Katzen haben spitze Ohren“ einprogrammiert hätte.

Einsatz und Grenzen

Deep Learning ist die Technik hinter vielen KI-Anwendungen, die heute selbstverständlich sind. Die Gesichtserkennung im Smartphone gehört dazu, ebenso die Spracherkennung von Assistenten wie Siri oder Alexa, automatische Übersetzungen und auch die großen Sprachmodelle hinter ChatGPT.

Zur Einordnung: Deep Learning ist ein Teilbereich des maschinellen Lernens, das wiederum ein Teilbereich der künstlichen Intelligenz ist. Der große Vorteil ist, dass die Systeme mit riesigen, unstrukturierten Datenmengen umgehen können und dabei oft erstaunlich treffsicher sind. Der Nachteil: Sie brauchen sehr viele Daten und viel Rechenleistung, und ihre Entscheidungen sind schwer nachzuvollziehen. Man sieht das Ergebnis, aber selten den Weg dorthin – deshalb spricht man auch von einer Blackbox.