이제 신경망이 무엇인지 알았으므로 딥러닝을 살펴보죠. 딥러닝은 심층 신경망을 연구하고 적용하는 분야입니다. 심층 신경망은 간단하게 말해서 많은 층을 가진 신경망입니다(일반적으로 수십 개에서 수백 개의 층을 가집니다). 딥(deep)이란 단어는 표현 변환을 위한 연속된 층이 많다는 것을 의미합니다. 모델을 형성하는 층의 개수를 모델의 깊이라고 부릅니다. 이 분야에 대한 적절한 다른 이름은 ‘층별 표현 학습’ 또는 ‘계층적 표현 학습’이 될 수 있습니다. 현대 딥러닝 모델은 종종 수십 개나 수백 개의 연속된 표현 층을 가집니다. 모든 층은 훈련 데이터를 통과시키면서 자동으로 학습됩니다. 한편 머신 러닝의 다른 방법들은 하나 또는 두 개의 표현 층을 학습하는 데 초점을 맞추는 경향이 있습니다. 이런 방법들을 이따금 얕은 학습(shallow learning)이라고 부릅니다.

딥러닝의 ‘딥’이 데이터에 대해 어떤 종류의 깊은 이해라고 생각하는 것은 오해입니다. 이는 M.C 에셔(Escher)¹⁵의 그림에 있는 모순과 자기참조, 혹은 ‘자유는 공짜가 아니다’¹⁶ 같은 문장의 의미를 이해하는 것과 비슷합니다. 이런 종류의 ‘딥’은 인공 지능 연구자들에게 달성하기 어려운 목표로 남아 있습니다.¹⁷ 미래에 딥러닝이 어떤 종류의 깊은 이해를 가져다줄 수 있지만, 신경망의 층을 추가하는 것보다는 정량화하거나 달성하기 훨씬 어려울 것입니다.