在90年代的计算机上实现卷积神经网络（CNN）是怎样的一种体验？
最近，一位来自日本的开发者武田广正（音译）在1990年的PC-9801电脑上成功实现了CNN，用于识别手写字符。
如图所示。
由于当时计算机性能的限制，整个识别过程耗时超过一分钟。
三十年前，CNN的实现方式竟是如此。
他还在推特上分享了这一过程，获得了广泛关注。
许多网友在惊叹之余，纷纷表示对这台老旧电脑的心疼，认为学习人工智能一定十分艰难。
如何实现这一过程？
尽管这项技术至今尚未开源，早在1993年，便有先行者在CNN方面取得了显著进展。
这位先锋就是LeCun。
不久前，一段关于LeCun在1993年的视频引起了热议，视频中展示了当时的文字识别系统已采用了CNN技术。
他首先在计算机系统中编写了一种网络数据结构的编译器，并生成可编译的C语言代码，通过源代码中的权重和网表来表示文字。
整个系统在20MFLOPS算力的DSP版本上运行。
当时，手写数字数据集MNIST尚未推出，LeCun则通过摄像拍摄的方式构建了文字识别系统。此外，他还需解决文字缩放和位置等问题。
只需在纸上手写任意数字，无论大小和形状，甚至带有艺术性，只要通过摄像头导入电脑，系统就能进行识别。
而这位日本小哥则是基于MNIST数据集进行构建，电脑上清晰地展示了识别的全过程。
首先，读取MNIST数字图像的信息。
接着，进行卷积、池化等操作。
最后通过SoftMax层，将每个数字转换为概率或权重，依据权重大小选出最终识别的数字。
背后的开发者
武田广正，来自岩手县立大学信息学研究院，热爱操作系统和复古计算机研究，曾撰写《Raspberry Pi GPGPU入门》一书。
因该项目，他在enPIT的PBL活动中获得了优秀奖。
他表示，计划将这一教程编写进《令和的PC-98编程》一书中，同时源代码也将发布在GitHub上。
