亚历克斯·克里热夫斯基是加拿大计算机科学家，以在人工神经网络和深度学习方面的工作最为著名。2012年，克里热夫斯基、伊利亚·苏茨克弗及其博士导师杰弗里·辛顿在多伦多大学仅使用两张GeForce品牌GPU卡开发了强大的视觉识别网络AlexNet。这彻底改变了神经网络研究，因为此前神经网络是在CPU上训练的。向GPU的过渡为先进AI模型的发展开辟了道路。
克里热夫斯基还是CIFAR-10和CIFAR-100数据集的主要作者，这些数据集是机器学习和计算机视觉中广泛使用的基准。他在这些主题上的众多论文经常被其他研究人员引用。
AlexNet开发
受苏茨克弗的激励并受辛顿的启发，克里热夫斯基开发了AlexNet以扩展图像识别和分类的极限。基于卷积神经网络以及苏茨克弗的深度神经网络方法，将神经层加深到远超当时惯例的程度，并添加了Dropout以提高训练韧性，AlexNet在2012年赢得了ImageNet挑战赛。团队在NeurIPS（NIPS）2012上展示了他们的AlexNet论文。
该网络的架构包含了几项创新，这些创新后来成为深度学习模型的标准。它使用修正线性单元（ReLU）加快训练，使用重叠池化减少过拟合，并使用数据增强技术来增加训练集的有效规模。使用两张GPU使得模型能够在以前仅用CPU无法实现的规模上进行训练。
转向工业界
在AlexNet首次亮相后不久，克里热夫斯基和苏茨克弗将其初创公司DNN Research Inc.出售给了谷歌。在谷歌，克里热夫斯基继续从事深度学习应用工作，为后来影响大规模AI系统开发的项目做出了贡献。他在2017年9月因对工作失去兴趣而离开谷歌，加入Dessa公司以支持新的深度学习技术。
他的行业转型反映了2010年代中期的一个更广泛趋势，即深度学习领域的学术研究人员越来越多地加入科技公司，将他们的发现应用于现实产品。这一时期见证了神经网络研究的快速商业化，应用范围从图像识别到自然语言处理。
遗产与影响
AlexNet被广泛认为是点燃深度学习革命的催化剂。它的成功证明了在GPU上训练的深度神经网络的有效性，推动了人工智能多个领域（超越计算机视觉）的快速进步。AlexNet产生的技术和动力帮助塑造了现代自然语言处理模型的发展，包括大规模基于transformer的模型，如BERT和GPT，这些模型为ChatGPT等工具提供支持。
AlexNet开创的向GPU训练的转变成为该领域的基础实践。随后的进展，如批量归一化和残差网络，直接建立在克里热夫斯基及其同事奠定的基础上。他编写的CIFAR数据集仍然是评估图像分类新算法的标准基准。
研究贡献
除了AlexNet之外，克里热夫斯基在数据增强和权重初始化技术方面的工作影响了神经网络的训练方式。他关于这些主题的论文是该领域引用最多的论文之一，为研究人员和从业者提供了实用指导。他创建的CIFAR-10和CIFAR-100数据集包含多个类别的标记图像，用于测试分类模型的性能。
克里热夫斯基将工程实用主义与理论洞察相结合的方法帮助弥合了学术研究与实际部署之间的差距。他的贡献继续被现代机器学习文献引用，他在多伦多大学的工作仍然是AI发展史上的里程碑。