共计 1740 个字符，预计需要花费 5 分钟才能阅读完成。
2012 年，AlexNet 的出现标志着人工智能领域的一次重大突破。这个由多伦多大学研究生 Alex Krizhevsky 开发的神经网络，首次展示了计算机在图像识别能力上的巨大飞跃，彻底改变了人工智能的发展轨迹。如今，这一具有历史意义的模型源代码终于向公众开放。
周四，计算机历史博物馆（CHM）与谷歌合作，首次发布了 AlexNet 的源代码，并将其托管在 GitHub 上供所有人浏览和下载。这一举措不仅是对人工智能历史的致敬，也为研究者和开发者提供了宝贵的学习资源。
“CHM 很荣幸展示 2012 年 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 的 AlexNet 源代码，它彻底改变了人工智能领域，”博物馆组织者在 GitHub 的 README 文件中写道。
AlexNet 的成功源于其对卷积神经网络（CNN）的创新应用。该模型在 2012 年的 ImageNet 竞赛中以 15.3% 的错误率大幅领先于其他参赛者，展示了深度学习在图像识别任务中的巨大潜力。这一成就不仅验证了深度神经网络的理论，还引发了人工智能领域的大量创新和资本涌入。
AlexNet 的源代码仅占 200KB，结合了 Nvidia CUDA 代码、Python 脚本和少量 C++，描述了如何使卷积神经网络解析和分类图像文件。博物馆的软件历史学家 Hansen Hsu 花了五年时间与拥有源代码版权的谷歌谈判，最终成功发布这一具有历史意义的代码。
“在 AlexNet 之前，几乎所有的领先计算机视觉论文都没有使用神经网络。在那之后，几乎所有论文都使用了，”Meta Platforms 的首席 AI 科学家 Yann LeCun 曾如此评价 AlexNet 的影响。
AlexNet 的成功并非偶然。其背后是三位关键人物的共同努力：Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton。Krizhevsky 是 Hinton 的研究生，而 Sutskever（后来共同创立了 OpenAI）则鼓励 Krizhevsky 继续这一项目。正如 Hsu 引用 Hinton 的话：“Ilya 认为我们应该做，Alex 让它成功了，而我获得了诺贝尔奖。”
谷歌拥有 AlexNet 的知识产权，因为它收购了 Hinton、Krizhevsky 和 Sutskever 的初创公司 DNNResearch。这一收购不仅为谷歌带来了技术优势，也为人工智能领域的进一步发展奠定了基础。
AlexNet 的成功也离不开 ImageNet 数据集的支持。这一由斯坦福大学教授李飞飞创建的庞大图像数据集，为训练大型卷积神经网络提供了必要的数据基础。李飞飞通过亚马逊 Mechanical Turk 众包工人手工标记了 1400 万张图像，这一数据集比当时任何计算机视觉数据集都要大得多。
“这似乎是一个难以置信的困难数据集，但很明显，如果我们能在这个数据集上训练一个大型卷积神经网络，只要我们拥有足够的计算能力，它就一定会成功，”Sutskever 在 2023 年与 Nvidia 联合创始人兼 CEO Jensen Huang 的炉边谈话中如此说道。
AlexNet 的成功证明了通过更多层神经元构建“深度”神经网络的理论可行性，展示了它们确实可以学习模式。这一突破为后续的 AI 发展铺平了道路，从合成人类声音到击败围棋冠军，再到生成艺术作品，深度神经网络的应用范围不断扩大。
2022 年，Sutskever 共同创立的 OpenAI 发布了 ChatGPT，再次证明了大型神经网络的潜力。ChatGPT 的出现是之前所有 GPT 1、2 和 3 模型的结果，这些模型都是 Sutskever 对将神经网络扩展到前所未有规模的信念的成果。
“我非常坚信越大越好，我们在 OpenAI 的目标之一就是弄清楚如何正确使用规模，”Sutskever 在 2023 年告诉 Huang。
AlexNet 源代码的发布恰逢 AI 领域对另一个开源模型 DeepSeek AI 的 R1 着迷之际。这一时机的巧合不仅展示了 AI 技术的持续进步，也为未来的创新提供了更多可能性。
AlexNet 的发布不仅是人工智能历史的一次回顾，更是对未来发展的展望。正如 Hsu 所写：“AlexNet 只是一个开始。在接下来的十年里，神经网络将发展到合成可信的人类声音、击败围棋冠军、模拟人类语言并生成艺术作品。”
