La liberación del código fuente de AlexNet, el modelo que en 2012 impulsó la era del “deep learning”, marca un hito en la historia de la IA. El Computer History Museum y Google lo publican como software libre para uso académico e histórico.

El Computer History Museum (CHM), en colaboración con Google, ha liberado el código fuente original de AlexNet, la red neuronal convolucional que en 2012 cambió el rumbo de la inteligencia artificial moderna. Este gesto, más que simbólico, pone al alcance de investigadores y entusiastas una pieza de software clave en la historia reciente de la tecnología, comparable al acceso a los planos originales del ENIAC o a los manuscritos de Alan Turing.

AlexNet no solo fue una red neuronal exitosa. Fue el punto de inflexión que demostró que el aprendizaje profundo (deep learning), una técnica que llevaba décadas gestándose sin encontrar resultados revolucionarios, podía superar con creces a los métodos clásicos en tareas como el reconocimiento de imágenes. Lo hizo en el prestigioso concurso ImageNet de 2012, donde su rendimiento superó al resto con una precisión hasta entonces impensable.

Un hito fruto de la convergencia de tres tecnologías clave

Desarrollado por Alex Krizhevsky, Ilya Sutskever y su director de tesis, Geoffrey Hinton, en la Universidad de Toronto, AlexNet fue la primera red que combinó de forma efectiva tres elementos fundamentales: redes neuronales profundas, acceso a grandes volúmenes de datos etiquetados (el conjunto ImageNet) y la potencia de cálculo de las GPU de NVIDIA, programadas con CUDA. El entrenamiento original se realizó en un ordenador doméstico con dos tarjetas gráficas, en el dormitorio de Krizhevsky, en casa de sus padres.

La arquitectura utilizada, una red neuronal convolucional profunda (CNN), permitía que el sistema aprendiera representaciones jerárquicas a partir de los datos, sin intervención humana para definir manualmente las características. Esta aproximación superó por amplio margen a los algoritmos de visión artificial tradicionales y abrió la puerta al desarrollo de sistemas capaces de ver, entender y generar contenido con un nivel de precisión cada vez más cercano al humano.

Una década de impacto imparable

Desde aquel momento, el aprendizaje profundo se ha extendido a prácticamente todos los ámbitos tecnológicos: desde síntesis de voz, generación de texto e imágenes, hasta modelos de lenguaje masivos como ChatGPT, del que Sutskever sería cofundador años más tarde en OpenAI. AlexNet supuso la validación definitiva de que las redes neuronales profundas podían no solo aprender, sino generalizar de forma efectiva en tareas complejas.

El artículo académico que acompañó el lanzamiento, «ImageNet Classification with Deep Convolutional Neural Networks», ha sido citado más de 172.000 veces, lo que lo convierte en uno de los trabajos científicos más influyentes del siglo XXI.

La importancia de preservar el legado digital

La publicación del código original ha requerido años de trabajo conjunto entre CHM y Google, propietaria de los derechos tras adquirir en 2013 la startup DNNresearch creada por los autores de AlexNet. El museo inició los trámites en 2020, y ahora presenta la versión exacta utilizada en el entrenamiento de 2012, acompañada de los archivos de parámetros entrenados sobre ImageNet.

La iniciativa permite que el público acceda no solo a una pieza de software, sino a un testimonio histórico del nacimiento de la inteligencia artificial moderna. Muchos repositorios en GitHub etiquetados como “AlexNet” eran reimplementaciones o versiones modificadas. Por primera vez, se pone a disposición el código auténtico que marcó el antes y el después.

Más allá de lo técnico: las implicaciones éticas

El éxito de AlexNet ha tenido consecuencias profundas, tanto positivas como problemáticas. Ha permitido avances espectaculares en medicina, accesibilidad o ciencia, pero también ha facilitado herramientas controvertidas como los deepfakes, la vigilancia automatizada o la generación masiva de desinformación. El propio Geoffrey Hinton, considerado uno de los “padres del deep learning”, renunció en 2023 a su puesto en Google para alertar sobre los riesgos de una IA descontrolada.

En palabras del propio Hinton, sobre el origen de AlexNet: “Ilya pensó que debíamos hacerlo, Alex lo hizo funcionar, y yo gané el Nobel”.

El código ya está disponible

El código fuente de AlexNet ya puede descargarse desde el repositorio oficial del Computer History Museum en GitHub.

Con esta publicación, se abre una ventana privilegiada para estudiantes, docentes, historiadores de la tecnología y profesionales de la IA que quieran entender, en detalle, cómo un conjunto de algoritmos programados con precisión milimétrica cambió el curso del desarrollo tecnológico global. Porque entender el pasado es también una herramienta para diseñar un futuro más consciente y equilibrado.

Fuente: computer history museum