本文回顾了深度学习的开端——2012年问世的AlexNet。它并非横空出世，而是深度学习革命的基石。通过计算机历史博物馆与Google的合作，AlexNet的原始源代码终于向公众发布。AlexNet的出现，标志着计算机图像识别能力的重大突破，结合了神经网络、大数据集和GPU计算。本文阐述了AlexNet的背景、关键组成部分以及对深度学习的深远影响，并强调了其开源的重要性。

💡AlexNet是2012年由多伦多大学研究生Alex Krizhevsky编写的神经网络，它标志着计算机识别和分类图像能力的重大突破。

💻AlexNet的成功得益于两个关键因素：斯坦福的ImageNet项目提供了大量数据集，以及NVIDIA的CUDA GPU编程提供了强大的计算能力。

🏆AlexNet证明了训练一个相对简单的神经网络可以在图像识别等复杂任务上超越人类表现，这标志着深度学习范式的诞生，机器通过摄取和建模大量数据集来掌握技能。

🗣️AlexNet论文在2012年的一次计算机视觉会议上发表后，虽然最初并未引起广泛关注，但Yann LeCun很快认识到它的重要性，并将其视为该领域的转折点。

🤝为了开源AlexNet的原始源代码，计算机历史博物馆与Alex Krizhevsky、Geoffrey Hinton以及Google的法律团队进行了长达五年的谈判。

如今，你每过五分钟就会听到关于人工智能的各种各样的消息。但你有没有想过我们是如何走到今天的？这主要归功于 2012 年的开创性神经网络 AlexNet。虽然它并没有立即引起轰动，但它最终成为了我们今天所经历的深度学习革命的基础。现在，经过多年的谈判，原始源代码终于向公众发布了。

这要归功于计算机历史博物馆和Google的合作。源代码最初由多伦多大学研究生 Alex Krizhevsky 编写，现已上传到GitHub。

AlexNet 是一种神经网络，标志着计算机识别和分类图像能力的重大突破。到 2012 年，神经网络背后的理论（包括关键的反向传播算法）已经存在了几十年。然而，缺少两个关键组件：训练这些网络所需的大量数据集和处理它们所需的原始计算能力。斯坦福的 ImageNet 项目和 NVIDIA 的 CUDA GPU 编程等计划最终提供了这些关键元素。

这些进步使 Krizhevsky 在人工智能先驱 Geoffrey Hinton 和 Ilya Sutskever 的指导下训练 AlexNet 并释放深度学习的全部潜力。这是深度神经网络、大数据集和 GPU 计算首次结合在一起，并取得了突破性的成果。每个方面都对彼此至关重要。

用于创建 AlexNet 的带有 GPU 的家用计算机

最终，AlexNet 论文在 2012 年的一次计算机视觉会议上发表。当时，大多数研究人员对此不以为然，但现在被公认为人工智能先驱的 Yann LeCun 立刻意识到了它的重要性，称其为该领域的转折点。事实证明他的预测是正确的。在 AlexNet 发布后，神经网络迅速成为几乎所有前沿计算机视觉研究的基础。

AlexNet 的突破在于证明了训练一个相对简单的神经网络可以在图像识别等高度复杂的任务上实现超越人类的表现。这标志着深度学习范式的诞生，在这种范式中，机器通过摄取和建模大量数据集来掌握技能。

从那一刻起，进步开始迅速加速。神经网络以前所未有的速度发展，取得了许多里程碑式的成就，例如在围棋比赛中击败人类冠军、合成逼真的语音和音乐，甚至生成原创艺术和创意写作。然而，生成式人工智能的真正转折点是 2022 年 OpenAI 发布 ChatGPT，这可以说是深度学习进化的巅峰。

可以理解的是，开源这样一段具有历史意义的代码绝非易事。计算机历史博物馆必须与 Krizhevsky、Hinton（现就职于 Google）和 Google 的法律团队进行长达五年的谈判，才能获得发布原始源文件的批准。