AI是我在技术领域见过的最大，最全面的时代主义者之一 。我什至无法搜索有关潜在AI产品的几个广告 ，其中包括仍在乞求使用我设备的权限的广告 。AI可能在2025年到处都可以看到 ，但是现在与之相关的神经网络有点旧。这种AI实际上在1950年代就被涉足了这种AI，尽管直到2012年 ，我们才看到它与Alexnet一起开始了当前的机器学习 。Google和计算机历史博物馆刚刚以开源为开源的图像识别机器人 。
多年来 ，我们已经看到了许多不同的AI想法，但是通常该术语用于具有自学习能力的计算机或机器。自1800年代以来 ，科幻作家就已经谈论过这个概念 ，但远未完全实现 。今天，我们所谓的AI是指语言模型和机器学习，而不是机器的独特个人思想或推理 。这种深度学习技术本质上是为计算机提供大量数据 ，以培训它们的特定任务。
深度学习的想法也不是新的。在1950年的研究人员中 ，康奈尔大学的弗兰克·罗森布拉特（Frank Rosenblatt）已经创建了一个简化的机器学习神经网络，它使用了与我们今天拥有的类似的基础思想 。不幸的是 ，这项技术还没有完全遵守这个想法 ，并且在很大程度上被拒绝了 。直到1980年代，我们才真正看到机器学习再次出现。
1986年 ，Geoffrey Hinton ，David Rumelhart和Ronald J. Williams发表了围绕Backpropagation的论文，该论文是一种算法 ，该算法根据成本适用于神经网络的响应 。他们不是第一个提出这个想法的人 ，而是第一个设法普及的人 。回溯性作为机器学习的想法是由包括弗兰克·罗森布拉特（Frank Rosenblatt）在内的一些人提出的，但实际上无法实施。许多人还认为它是链条规则的机器学习实施 ，最早的书面归因于1676年戈特弗里德·威廉·莱布尼兹（Gottfried Wilhelm Leibniz） 。
尽管结果有希望 ，但该技术并没有达到使这种深入学习可行所需的速度 。为了使AI达到我们今天看到的水平，我们需要更多的数据来训练它们，并需要更高级别的计算能力才能实现这一目标。
2006年 ，斯坦福大学的Fei-Fei Li教授开始构建Imagenet 。李设想了一个数据库 ，该数据库为每个英语名词都有图像，因此她和她的学生开始收集和分类照片 。他们使用WordNet ，这是既定的单词和关系集合来识别图像。这项任务是如此巨大 ，最终将其外包给自由职业者，直到它被认为是2009年同类数据集中最大的数据集 。
大约在同一时间 ，Nvidia正在为GPU开发CUDA编程系统 。这家公司在2025年的GTC上只是在AI上努力工作 ，甚至还在使用该技术来帮助人们学习手语。使用CUDA，这些功能强大的计算芯片可以更容易地编程 ，以解决其他内容 ，而不是仅仅处理视觉图形。这使研究人员能够开始在语音识别等领域实施神经网络，并真正看到成功 。
2011年 ，在Goeffrey Hinton ，Ilya Sutskever（继续与Openai共同创立的伊利亚·萨特克（Ilya Sutskever））和亚历克斯·克里兹赫夫斯基（Alex Krizhevsky）的领导下，两名这样的学生开始致力于Alexnet 。萨特克佛（Sutskever）看到了他们以前的作品的潜力，并说服了他的同龄人克里兹赫夫斯基（Krizhevsky） ，他掌握了他对GPU挤压的训练来训练这个神经网络 ，而欣顿则担任首席研究员。明年，克里兹赫夫斯基（Krizhevsky）使用自己的CUDA代码培训 ，调整并在一台计算机上进行了对系统的重新训练 。2012年 ，三本发表了一篇论文，欣顿还在佛罗伦萨举行的计算机视觉会议上发表了论文 。
Hinton总结了CHM的经验 ，为“ Ilya认为我们应该这样做 ，Alex使它起作用，我获得了诺贝尔奖。”
当时它没有发出太多的声音 ，但是Alexnet彻底改变了现代AI的方向 。在Alexnet之前 ，神经网络在这些发展中并不司空见惯 。现在，它们是大多数吹捧AI名称的框架 ，从具有神经系统的机器人狗到奇迹工作耳机。随着计算机的功能越来越强大 ，我们只能看到更多的计算机 。
考虑到AI的AI巨大，CHM发布源代码不仅是一个很棒的点头，而且在确保所有人都可以免费获得此信息方面非常谨慎 。为了确保它是公平 ，正确地完成的 ，并且最重要的是，CHM与Alexnet的同名Alex Krizhevsky联系 ，他们与他们与Google合作的Hinton取得了联系。现在 ，被认为是机器学习的父亲之一，Hinton能够将CHM与Google的合适团队联系起来 ，Google开始了五年的谈判过程
这可能意味着github上所有人都可以使用的代码可能是Alexnet的某种消毒版本 ，但这也是正确的 。周围有几个名字相似甚至相同的名字，但它们可能是敬意或解释 。该上传被描述为“与2012年一样的Alexnet源代码 ” ，因此它应该在AI通道的途径上作为有趣的标记 ，以及它在将来学习的任何形式。
