深度学习复兴：辛顿的豁然开朗

2006年，杰弗里·辛顿和学生鲁斯·萨拉赫丁诺夫在Science发表论文，提出用逐层无监督预训练解决深层网络的梯度消失问题。思路是：先用无监督学习让网络层层学会数据的基本表示，再用反向传播微调。这篇论文不仅技术上突破了多层训练的障碍，更在心理上向整个学界宣告：神经网络是认真的竞争者！辛顿将这类多层神经网络命名为”深度学习（Deep Learning）”，一个改变世界的术语由此诞生。

【为什么重要？】
正式宣告了深度学习时代的到来，吸引顶尖研究者和大量资金重新投入神经网络研究，是AI历史上最重要的转折点之一。

【逻辑闭环】
解决了什么：克服了训练深层网络时梯度消失的核心障碍，让10层以上的网络成为可能。局限是什么：预训练过程复杂，且仍然需要大量标注数据。这一局限催生了2009年ImageNet大型标注数据集，以及2012年AlexNet直接用GPU和大数据证明：有了足够的数据和算力，深层网络可以毫无悬念地碾压传统方法。