2012年，多伦多大学的研究生亚历克斯·克里泽夫斯基带着他的团队，用一种叫“卷积神经网络”（CNN）的新方法参加了ImageNet图像识别大赛。他们的模型AlexNet，把错误率从上一年的26%直接砍到15%——相当于比传统方法少认错近1/3的图片！更惊人的是，这个网络的结构灵感来自人类视觉皮层：它通过多层“卷积层”自动提取图像特征（比如边缘、纹理），再层层抽象出更高阶信息（比如猫耳朵、眼睛）。赛前没人看好这个“非主流”方案（评委甚至担心它跑不完数据），但结果一出，整个AI圈沸腾了。

AlexNet的成功证明了两件事：一是大数据（ImageNet有120万张标注图片）能让机器学到更丰富的模式；二是深度神经网络（多层结构）比浅层模型强得多。从此，AI从“小步慢走”变成了“狂飙突进”——自动驾驶、人脸识别、医疗影像分析……所有需要“看懂世界”的领域都被彻底改变。