Il boom del deep learning ha origine da un intreccio di intuizioni pionieristiche e ostinazione controcorrente. Negli anni ’90, le reti neurali erano cadute in disgrazia, mentre dominavano metodi come le macchine a vettori di supporto. Tuttavia, Geoffrey Hinton, Jensen Huang e Fei-Fei Li hanno tracciato un percorso alternativo.
Hinton ha perfezionato l’algoritmo di backpropagation, rendendo possibile addestrare reti profonde nonostante il ridotto interesse accademico. Parallelamente, Huang ha sviluppato CUDA, una piattaforma che sfrutta la potenza delle GPU per calcoli complessi, inizialmente trascurata dal mercato. Fei-Fei Li, invece, ha creato ImageNet, un dataset rivoluzionario con 14 milioni di immagini etichettate. Sebbene accolto con scetticismo, questo progetto ha fornito la base per il successo di AlexNet, la rete neurale che, nel 2012, ha mostrato risultati straordinari nel riconoscimento visivo, sfruttando CUDA e ImageNet.
Questo boom, iniziato con AlexNet, ha dimostrato il potenziale delle reti neurali, trasformando l’IA e svelando l’importanza della combinazione tra dati, calcolo e visione lungimirante.
Leggi l’articolo completo: Why the deep learning boom caught almost everyone by surprise su ai-supremacy.com.
Immagine generata tramite DALL-E 3.
