Krizhevsky, Sutskever y Hinton ganaron ILSVRC 2012 con una CNN profunda en GPUs, derrumbando el error de clasificación.
En 2012, Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton presentaron AlexNet: ocho capas entrenadas en GPUs con ReLU, dropout y data augmentation, ganando ILSVRC por amplio margen.
El resultado convenció a la industria de que el deep learning no era una moda de laboratorio. Google, Facebook, Baidu y startups aceleraron contratación y cómputo.
AlexNet no inventó las CNN, pero sí el momento cultural: desde entonces, “más datos + más cómputo + gradientes” se volvió la heurística dominante.
ImageNet ofreció millones de imágenes etiquetadas en jerarquía WordNet, habilitando el gran salto de las CNN.
A fines de los 80 y en los 90, LeCun y colegas aplicaron redes convolucionales al reconocimiento de códigos postales y cheques.
Antes de 2012, Hinton, Bengio y LeCun impulsaron preentrenamiento voraz, autoencoders y evidencia de que redes profundas podían aprender.