Tot i remuntar-se a la dècada dels anys 50, la intel·ligència artificial torna a estar d’actualitat per la rellevància d’usos com les tècniques de reconeixement de veu i d’imatge, la traducció i la conducció automàtiques o la mateixa predicció de paraules del teclat dels nostres telèfons mòbils.
En aquest àmbit, destaquen sobretot dos conceptes relacionats entre ells però amb matisos diferenciats. L’aprenentatge automàtic (en anglès, machine learning) treballa sobre grans volums de dades, identifica patrons de comportament i, sobre aquesta base, prediu i suggereix comportaments futurs. A través de l’anàlisi, el disseny i el desenvolupament d’algorismes i tècniques es permet que les màquines evolucionin i millorin el seu comportament a partir de l'estudi d’aquests patrons i d’experiències pròpies.
L’aprenentatge profund (deep learning), en canvi, pretén que les màquines “aprenguin” i “pensin” de manera més independent i abstracta i de la mateixa manera que ho faria el cervell humà. Els algoritmes que en aquest cas es desenvolupen funcionen a través d’un sistema per capes que simulen el funcionament bàsic de la xarxa neuronal del nostre cervell.