En 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron en Nature sobre aprender representaciones mediante backpropagation del error. La idea tenía precedentes, pero su exposición catalizó una ola de investigación.
Por fin las redes multicapa podían entrenarse de forma sistemática para funciones no linealmente separables. Surgieron aplicaciones en reconocimiento de caracteres, control y predicción.
El cómputo y los datos aún eran escasos; el auge masivo esperaría a GPUs e ImageNet. Aun así, 1986 marca el reinicio teórico del deep learning moderno.
