AlexNet: ImageNet classification with deep CNNs

AlexNet, oppkalt etter Alex Krizhevsky og bygd sammen med Ilya Sutskever og Geoffrey Hinton, er et konvolusjonelt nevralt nettverk. Det er en type modell som lærer å oppdage mønstre i bilder ved å skanne små biter og sette dem sammen til stadig større trekk, fra kanter til former til hele objekter.

Konkurransen var ImageNet, en utfordring der man skulle merke bilder riktig på tvers av tusen kategorier. AlexNet gjorde langt færre feil enn metodene som kom før. Avstanden var stor nok til at folk la merke til det umiddelbart.

To ting kom sammen. For det første var nettverket dypt, med mange lag stablet oppå hverandre slik at det kunne lære rike trekk på egen hånd i stedet for å støtte seg på håndlagde regler. For det andre trente teamet det på GPU-er, brikkene som opprinnelig ble laget for dataspill, som kunne gjøre de tunge regnestykkene raskt nok til å gjøre et stort nettverk praktisk mulig.

Det fantes også rikelig med merkede data å lære fra. Dyp modell, rask maskinvare og mange eksempler viste seg å være en kraftfull oppskrift, og den kombinasjonen er fortsatt ryggraden i moderne KI.

AlexNet blir bredt sett på som gnisten som tente æraen for dyp læring. Etter det øste forskere og selskaper innsats inn i nevrale nettverk, og fremgang innen syn, tale og etter hvert språk fulgte.

For alle som bygger med KI i dag, er denne artikkelen opprinnelseshistorien til verktøyene du bruker. Lærdommen den gir, at omfanget av data og regnekraft kan låse opp læring som håndjusterte metoder ikke kan, har styrt nesten alt siden.