La superficie inteligente reconfigurable (RIS) es una de las tecnologías prometedoras para las comunicaciones de sexta generación debido a sus ventajas que incluyen el ahorro de energía, alta eficiencia espectral, etc. Sin embargo, el diseño de formación de haces conjunto no convexo es un desafío, especialmente en el sistema de comunicación asistida por RIS de múltiples saltos. Este artículo propone un diseño de formación de haces conjunto basado en aprendizaje profundo (DLBF), con el objetivo de maximizar la tasa de datos del sistema para sistemas de comunicación asistida por RIS de múltiples saltos. El diseño propuesto de DLBF consta del diseño de las matrices de reflexión de todos los RIS y del diseño de formación de haces de transmisión en la estación base, lo que tiene una complejidad computacional reducida. Los resultados numéricos muestran que el DLBF propuesto puede lograr una ganancia de tasa de suma de bits/s/Hz en comparación con el método de formación de haces convencional para el escenario de dos usuarios, lo que puede ser mejorado por usuarios a gran escala. El rendimiento de la tasa de suma puede ser mejorado aumentando el número de RIS debido a la ganancia de reflexión, y los resultados correspondientes proporcionan una guía para la selección del número de saltos múltiples para una investigación adicional.