電腦究竟如何“看到”事物

早在自動駕駛車出現前，研究一般人工神經網路的人員便受到人腦神經元間生物連結的啟發，而 CNN 的研究人員就是按照這種思維方式。

1988年是 CNN 發展史上的一個關鍵時刻。那一年 Yann LeCun 及另外三名作者 Léon Bottou、Yoshua Bengio 與 Patrick Haffner 共同發表了一篇極具影響力的報告《Gradient-based Learning Applied to Document Recognition》。

在該文中介紹了如何在最小預先處理程度的情況下，將這些學習演算法用於對手寫字母的模式進行分類。對 CNN 的研究成果證明了判讀銀行支票時的準確度打破紀錄，如今已在商業領域廣泛用於處理銀行支票。這為人工智慧的應用前景帶來無比的希望。

該篇報告首席研究員的 LeCun 在2003年成為紐約大學的教授，又在2018年加入 Facebook，成為該公司的首席人工智慧科學家。第二次的突破性關鍵時刻發生在2012年。

那時多倫多大學的研究人員 Alex Krizhevsky、Ilya Sutskever 與 Geoffrey Hinton 發表了《ImageNet Classification with Deep Convolutional Neural Networks》這篇具有開創性的報告。

在這篇報告裡說明了物體辨識的狀態。這三名研究人員訓練了一套深度卷積神經網路，對 ImageNet Large Scale Visual Recognition Challenge 賽事的120萬張影像進行分類，以在降低錯誤率的幅度方面打破紀錄之姿而贏得了冠軍。 這引發了現代人工智慧蓬勃發展的浪潮。

CNN背後的技術理論到底是什麼？
如何在我的項目中開始使用 CNN？
有哪些網上資源可用？

我們將在這個免費課程中涵蓋所有這些問題。

原文節錄自台灣NVIDIA的博客。
原文連結：台灣NVIDIA BLOG