Trotz Skepsis von Kollegen trugen Geoffrey Hinton, Jensen Huang und Fei-Fei Li maßgeblich zur Revolution des Deep Learning bei, schreibt Timothy B. Lee. Hinton forschte jahrzehntelang an neuronalen Netzen und entwickelte den Backpropagation-Algorithmus für deren effizientes Training. Huang, CEO von Nvidia, erkannte das Potenzial von GPUs für Nicht-Grafik-Anwendungen und startete 2006 die CUDA-Plattform, die ein schnelleres Training neuronaler Netze ermöglichte. Li erstellte ImageNet, einen riesigen Datensatz mit über 14 Millionen Bildern, der die erforderlichen Trainingsdaten lieferte, um die Leistungsfähigkeit großer neuronaler Netze zu demonstrieren.
2012 erzielte AlexNet, ein auf ImageNet und Nvidia-GPUs trainiertes neuronales Netz, bahnbrechende Ergebnisse im ImageNet-Wettbewerb. Dieses von Alex Krizhevsky vorgestellte und von Yann LeCun als „eindeutiger Wendepunkt“ bezeichnete Resultat bestätigte die Arbeit von Hinton, Huang und Li. Es etablierte auch Nvidia-GPUs als Industriestandard für das Training neuronaler Netze, was heute zur Billion-Dollar-Bewertung des Unternehmens führt. Der Erfolg von AlexNet zeigt, wie wichtig es ist, unorthodoxe Ideen zu verfolgen und welche transformative Wirkung die Konvergenz von neuronalen Netzen, Big Data und GPU-Computing haben kann.