Sollen Bilder danach sortiert werden, ob darauf Hunde, Katzen oder Menschen zu sehen sind, ist das für Computer eine herausfordernde Aufgabe. Denn was für Menschen unmittelbar bei der Betrachtung klar ist, muss sich der Computer erst durch die Analyse einzelner Bildmerkmale erschließen.
Beim Deep Learning wird die Rohdateneingabe, in diesem Fall das Bild, Schicht für Schicht analysiert. In einer ersten Schicht eines künstlichen neuronalen Netzes prüft das System beispielsweise, welche Farben die einzelnen Bildpixel aufweisen. Jeder Bildpixel wird über ein eigenes Neuron verarbeitet. In der folgenden Schicht werden Kanten und Formen identifiziert und in der darauffolgenden Schicht wird auf komplexere Merkmale geprüft.
Die gesammelten Informationen werden in einem flexiblen Algorithmus abgebildet. Die Ergebnisse einer Schicht werden dabei jeweils in die Folgeschicht weitertransportiert und verändern den Algorithmus. So ist der Computer in der Lage, durch eine Vielzahl von Operationen schließlich zu entscheiden, ob ein Bild der Kategorie Hund, Katze oder Mensch zuzuordnen ist.
Zu Beginn steht ein Training, in dem Zuordnungsfehler durch Menschen korrigiert werden. Dadurch wird der Algorithmus angepasst. Nach kurzer Zeit kann er seine Bilderkennung eigenständig verbessern. Indem die Verknüpfung zwischen den Neuronen des Netzwerks verändert und die Gewichtung von Variablen innerhalb des Algorithmus angepasst wird, führen bestimmte Eingabemuster (Katzenbilder in diversen Varianten) immer fehlerfreier zu denselben Ausgabemustern (Katze erkannt). Je mehr Bildmaterial dem System zum Lernen vorliegt, desto besser.
Für Menschen lässt sich beim Deep Learning nicht immer nachvollziehen, welche Muster der Computer erkannt hat, um zu seinen Entscheidungen zu kommen. Zumal das System seine Entscheidungsregeln kontinuierlich selbst optimiert.