الکسنت ، که در سال 2012 منتشر شد ، به ویژه در ایجاد انقلاب مدرن هوش مصنوعی ، به ویژه در زمینه دید رایانه ، به طور گسترده ای اعتبار دارد. هفته گذشته ، موزه تاریخچه رایانه با همکاری Google کد منبع را برای Alexnet به طور عمومی در GitHub در دسترس قرار داد. این حرکت به محققان ، توسعه دهندگان و علاقه مندان به هوش مصنوعی فرصتی می دهد تا به کد بنیادی که به شکل گیری منظره هوش مصنوعی امروز کمک می کند ، شیرجه بزنند.
الکسنت چیست و چرا اهمیت دارد؟
الکسنت مدل یادگیری عمیق بود که ثابت کرد شبکه های عصبی می توانند به طور قابل توجهی از سنتی بهتر عمل کنند شناخت تصویر روشها توسعه یافته توسط الکس کریژفسکی ، ایلیا سوتسور، و مشاور آنها ، جفری هینتون در دانشگاه تورنتو ، این مدل از شبکه های عصبی عمیق (CNN) استفاده کرد تا تصاویر را با دقت بی سابقه طبقه بندی کند.
راز موفقیت الکسنت فقط معماری آن نبود – بلکه مجموعه داده های عظیم (Imagenet) بود که در آن آموزش داده شد و استفاده از GPU برای شتاب. در آن زمان ، شبکه های عصبی به دلیل تقاضای زیاد محاسباتی غیر عملی در نظر گرفته می شدند ، اما با استفاده از GPU های مجهز به CUDA NVIDIA ، Alexnet این برداشت را تغییر داد. هنگامی که وارد مسابقه ImageNet 2012 شد ، حاکم شد و به میزان 5 خطای برتر 15.3 ٪ رسید-تقریبا نیمی از نمره فینالیست مقام دوم.
میراث الکسنت در تکامل AI
قبل از الکسنت ، مدل های یادگیری ماشین در تلاش برای شناخت دقیق تصاویر ، نیاز به ویژگی های ساخته شده دستی و برنامه نویسی گسترده مبتنی بر قانون. الکسنت با استفاده از لایه های عمیق نورونهای مصنوعی برای یادگیری خودکار الگوهای ، رویکرد متفاوتی اتخاذ کرد. این موفقیت یک نقطه عطف بود. به زودی پس از آن ، شرکت هایی مانند Google ، Facebook و Microsoft سرمایه گذاری در یادگیری عمیق را افزایش دادند و منجر به مدرن شدند برنامه های AI، از شناخت صورت تا پردازش زبان طبیعی.
نفوذ الکنت فراتر از شناخت تصویر گسترش یافته است. اصول اصلی آن زمینه را برای مدل های هوش مصنوعی امروز ، از جمله مدل های بزرگ زبان (LLM) مانند GPT و معماری های مبتنی بر ترانسفورماتور که ابزارهای قدرت مانند ChatGPT است ، فراهم کرده است.
چرا الکسنت منبع باز است
موزه تاریخ رایانه و Google با تهیه کد اصلی الکسنت ، یک پنجره نادر را در یکی از پیشرفت های تعریف شده هوش مصنوعی ارائه می دهند. در حالی که مدل های AI مدرن به طور قابل توجهی تکامل یافته اند ، الکسنت همچنان سنگ بنای تحقیقات عمیق یادگیری است. دسترسی به کد منبع آن اجازه می دهد:
- دانش آموزان و محققان برای تجزیه و تحلیل اجرای اصلی مدل و یادگیری نحوه ساخت چارچوب های یادگیری عمیق اولیه.
- توسعه دهندگان و مهندسان هوش مصنوعی برای آزمایش با معماری و درک اصولی که باعث پیشرفت سریع هوش مصنوعی شده است.
- مورخان و علاقه مندان به فناوری ، تکامل یادگیری ماشین را از ریشه های خود به مدلهای پیشرفته امروز ردیابی می کنند.
نحوه دسترسی به کد
نسخه اصلی 2012 Alexnet است اکنون در صفحه GitHub CHM موجود است، حفظ اجرای دقیق که AI را دگرگون کرده است. در حالی که نسخه های بی شماری از الکسنت در طول سال ها بازسازی شده است ، این نسخه نشان دهنده مدل معتبری است که مسیر صنعت را تغییر داده است.
منبع: https://www.techrepublic.com/article/news-alexnet-github-ai/