حالياً يتم دراسة الشبكات العصبية العميقة بمختلف البنى الهيكلية على نطاق واسع، منها التلافيفية والتسلسلية والمشفرات التلقائية، يستخدم عدد من شركات التكنولوجيا المتطورة بما في ذلك شركة مايكروسوفت ومحرك البحث غوغل، شبكات عصبية عميقة لتصميم أنظمة ذكية متنوعة، وجنبا إلى جنب مع الشبكات العصبية العميقة اكتسب مصلحة التدريب المعمق شعبية كبيرة.
ضمن أنظمة التدريب المعمقة فإن عملية اختيار وضبط الخصائص تتم بشكل مؤتمت وبطريقة آلية، أي أن الشبكة تحدد بشكل مستقل وتستخدم أكثر الخوارزميات فعالية لاستخراج الخصائص بشكل هرمي. ومن أجل تحقيق التدريب المعمق لابد من استخدام عينات كبيرة باستخدام خوارزمية موحدة. إن خوارزميات التحسين النموذجية تقوم بضبط مؤشرات جميع العمليات في وقت واحد وتقوم بتقييم تأثير كل مؤشر من مؤشرات الشبكة العصبية بشكل فعال على والكشف عن الأخطاء بمساعدة ما يسمى بطريقة الانتشار العكسي.
يشار إلى أنه تم تحقيق النجاح في تدريب الشبكات العصبية في عام 2006، بعد نشر مقال علمي للعالم جيفري هينتون مع توضيح تقنية التدريب الأولية للشبكات العصبية. وقد أشار المقال العلمي إلى أنه من الممكن تدريب الشبكة العصبية متعددة الطبقات بشكل مبدئي وفعال، في حال تم تدريب كل طبقة على حدا باستخدام آلة بولتزمان المحدودة، وبعد ذلك مواصلة التدريب من خلال طريقة الانتشار العكسي للأخطاء. هذه الشبكات حصلت على تسمية الشبكات العصبية ذات الثقة العميقة (Deep Belief Networks, DBN)
وقد قام البروفسور فلاديمير غولوفكو من معهد الأنظمة السيبرانية في جامعة "ميفي" بتحليل المشاكل والنماذج الأساسية لآلة التدريب المعمقة، من خلال اقتراح طريقة جديدة لتعليم آلة بولتزمان المحدودة. وقد أثبت العالم بأن القواعد الكلاسيكية لتعليم هذه الشبكة العصبية تعتبر حالة خاصة للطريقة التي اقترحها.
ويعلق في هذا الصدد البروفسور فلاديمير قائلاً: "إن العلماء الأمريكيين مينسكي وبيبيرتي وجدوا في وقت من الأوقات بأن المستقبلات ذات الطبقة الواحدة مع وظيفة عتبة التفعيل تولد سطحاً فاصلاً خطياً من وجهة نظر تصنيف التصورات ولذلك لا يمكن أن تحل المسألة وفق منطق المعادلة "إما هذا أو ذاك". هذا الأمر أثار استنتاجات تدعو للتشاؤم حيال المزيد من تطور الشبكات العصبية. ومع ذلك فإن البرهان الأخير صالح فقط لطبقة واحدة من المستقبلات مع عتبة أو وظيفة تفعيل مستمرة — على سبيل المثال الدالة السينية. ولدى استخدام وظيفة التفعيل التحذيرية يمكن للمستقبلات ذات الطبقة الواحدة أن تحل مسألة وفق منطق المعادلة "إما هذا أو ذاك" وذلك لأنها تقسم مدخل التصورات إلى طبقات بمساعدة اثنين من المستقيمات".
كما تم إجراء تحليل آفاق تطبيق الشبكات العصبية المعمقة لضغط البيانات والاطلاع والتعرف عليها. بالإضافة إلى ذلك فقد اقترح غولوفكو نهجاً لتطبيق التشفير الدلالي بمساعدة الشبكات العصبية التلقائية المعمقة.
طريقة التعليم المعمقة هذه يمكن أن تكون مفيدة للغاية في محركات البحث للشبكة العصبية، التي، وبحسب تقدير الباحث، سوف تظهر سرعة عالية للبحث عن الصور المهمة.
يشار إلى أنه من الصعوبة بمكان تقدير القيمة العملية لنتائج البحث العلمي حق تقدير، إذ أن هذه الدراسة تم تطبيقها في مجالات عدة مثل الرؤية الحاسوبية والتعرف على الصوت والمعلوماتية الحيوية.
