Deep Learning adalah sub-bidang dari Machine Learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan (deep neural networks) untuk memproses data dan mengenali pola yang sangat kompleks. Istilah "deep" atau "mendalam" merujuk pada jumlah lapisan tersembunyi dalam jaringan—semakin banyak lapisan, semakin dalam jaringan tersebut, dan semakin rumit pola yang dapat dipelajarinya.
Berbeda dengan machine learning tradisional yang sering memerlukan rekayasa fitur manual (manusia harus menentukan fitur apa yang relevan), deep learning secara otomatis menemukan fitur-fitur penting dari data mentah. Misalnya, dalam pengenalan gambar, lapisan awal jaringan mungkin mengenali tepi dan warna, lapisan tengah mengenali bentuk seperti mata atau telinga, dan lapisan akhir mengenali objek utuh seperti wajah atau mobil.
Deep learning membutuhkan dua hal: data dalam jumlah sangat besar dan daya komputasi yang kuat (biasanya menggunakan GPU atau TPU). Keberhasilan deep learning dalam beberapa tahun terakhir didorong oleh ketersediaan data besar-besaran dari internet dan peningkatan kemampuan komputasi.
Aplikasi deep learning sangat luas. Dalam visi komputer, deep learning digunakan untuk pengenalan wajah, deteksi objek, dan mobil otonom. Dalam pemrosesan bahasa alami, model seperti BERT dan GPT menggunakan deep learning untuk memahami dan menghasilkan teks. Dalam bidang kesehatan, deep learning membantu mendiagnosis penyakit dari gambar medis dengan akurasi yang menyamai atau bahkan melampaui dokter manusia.
Deep learning juga menjadi fondasi bagi hampir semua model AI canggih saat ini, termasuk Large Language Models, model text-to-image seperti DALL-E, dan sistem pengenalan suara seperti yang digunakan dalam asisten virtual. Meskipun powerful, deep learning sering dikritik karena sifatnya sebagai "black box"—sulit untuk menjelaskan mengapa model membuat keputusan tertentu.