Tiefes Lernen (auch als tiefes strukturiertes Lernen oder hierarchisches Lernen bezeichnet) ist eine Art maschinelles Lernen, das meist bei bestimmten Arten von neuronalen Netzen eingesetzt wird. Wie bei anderen Arten des maschinellen Lernens können die Lernsitzungen unbeaufsichtigt, halbbeaufsichtigt oder beaufsichtigt sein. In vielen Fällen sind die Strukturen so organisiert, dass es mindestens eine Zwischenschicht (oder verborgene Schicht) zwischen der Eingabe- und der Ausgabeschicht gibt.
Bestimmte Aufgaben, wie das Erkennen und Verstehen von Sprache, Bildern oder Handschrift, sind für Menschen leicht zu bewältigen. Für einen Computer sind diese Aufgaben jedoch sehr schwierig zu erledigen. In einem mehrschichtigen neuronalen Netzwerk (mit mehr als zwei Schichten) werden die verarbeiteten Informationen mit jeder zusätzlichen Schicht abstrakter.
Modelle des Tiefenlernens sind von Informationsverarbeitungs- und Kommunikationsmustern in biologischen Nervensystemen inspiriert; sie unterscheiden sich in vielerlei Hinsicht von den strukturellen und funktionellen Eigenschaften biologischer Gehirne (insbesondere des menschlichen Gehirns), was sie mit neurowissenschaftlichen Erkenntnissen inkompatibel macht.
