Deep learning คือการเรียนรู้ของเครื่องจักร (machine learning) ที่ใช้โมเดลประสาทเทียม (neural network) ที่มีจำนวนชั้นหลายๆ ชั้น (deep) ในการเรียนรู้และสร้างความเข้าใจในข้อมูล โดยใช้เทคนิคการเรียนรู้แบบมีผู้สอน (supervised learning) หรือไม่มีผู้สอน (unsupervised learning) เพื่อให้โมเดลสามารถจำแนกและประมวลผลข้อมูลได้เอง โดยไม่ต้องระบุคุณสมบัติของข้อมูลแต่ละชุด โมเดลประสาทเทียมที่มีจำนวนชั้นมากจะมีความสามารถในการจำแนกและวิเคราะห์ข้อมูลได้ดียิ่งขึ้น และสามารถเรียนรู้ความหมายและความสัมพันธ์ระหว่างข้อมูลได้เป็นอย่างดี
Deep learning ถูกนำมาใช้งานในหลายๆ งานด้าน AI เช่น การจำแนกภาพ การประมวลผลเสียง การแปลภาษา การสร้างสื่อสังคมออนไลน์ และการพัฒนาหุ่นยนต์ โดยที่ใช้ข้อมูลป้อนเข้า (input data) เพื่อสร้างโมเดลที่สามารถระบุรูปแบบหรือความสัมพันธ์ระหว่างข้อมูลแต่ละชุดได้ โดยมีการปรับแต่งพารามิเตอร์ (parameters) ของโมเดลเพื่อให้มีประสิทธิภาพในการทำงานมากขึ้น ซึ่งการปรับแต่งพารามิเตอร์จะใช้ข้อมูลการเรียนรู้เพื่อประเมินผลในแต่ละครั้ง และสามารถปรับปรุงโมเดลเพื่อให้มีประสิทธิภาพที่ดีขึ้นเรื่อยๆ จนกว่าโมเดลจะมีความแม่นยำในการทำงานและสามารถประยุกต์ใช้งานในงานจริงได้
ในการทำงานด้าน deep learning จะใช้ซอฟต์แวร์ที่เป็น open-source ได้แก่ TensorFlow และ Keras ซึ่งเป็นชุดเครื่องมือสำหรับการเรียนรู้เชิงลึกที่ได้รับความนิยมสูงในวงการ AI โดย TensorFlow เป็นโปรแกรมสำหรับเรียนรู้เชิงลึกที่มีความสามารถในการประมวลผลแบบกระจายข้อมูลได้ และ Keras เป็นซอฟต์แวร์ชั้นสูงสำหรับการสร้างและการประมวลผลโมเดลประสาทเทียม
Deep learning เป็นเทคโนโลยีที่มีศักย์สำคัญในการพัฒนางานด้าน AI และเป็นเทคโนโลยีที่สามารถประยุกต์ใช้งานได้ในหลายๆ งานที่ต้องการความสามารถในการเรียนรู้และการจำแนกข้อมูลที่มีความซับซ้อนและมีปริมาณมาก
