Geoffrey Hinton ist ein britisch-kanadischer Kognitionspsychologe und Informatiker, dem weithin zugeschrieben wird, einer der „Paten des Deep Learning“ zu sein, neben Yann LeCun und Yoshua Bengio. Seine jahrzehntelange Arbeit an Lernalgorithmen für neuronale Netze, die er zu großen Teilen leistete, während andere diesen Ansatz für eine Sackgasse hielten, legte das Fundament für die Deep-Learning-Revolution der 2010er-Jahre.
Karriere
Hinton wurde 1947 in London geboren und promovierte 1978 in künstlicher Intelligenz an der University of Edinburgh. Nach Forschungsstellen in den Vereinigten Staaten ließ er sich an der University of Toronto nieder, wo er den Großteil seiner akademischen Laufbahn verbrachte. 1986 veröffentlichte er zusammen mit David Rumelhart und Ronald Williams das Paper, das Backpropagation als praktikable Methode zum Trainieren mehrschichtiger Netze populär machte, und entwickelte weiterhin zentrale Techniken des Fachgebiets, darunter Boltzmann-Maschinen, Dropout-Regularisierung und Verbesserungen bei der Initialisierung und dem Training tiefer Netze.
Der Wendepunkt für das Feld kam 2012, als Hintons Doktoranden Alex Krizhevsky und Ilya Sutskever AlexNet bauten, ein tiefes konvolutionales Netz, das den ImageNet-Erkennungswettbewerb mit großem Abstand gewann. Dieses Ergebnis überzeugte einen Großteil der Computer-Vision-Gemeinschaft davon, dass tiefe, auf GPUs trainierte Netze die bis dahin dominierenden handgefertigten Methoden übertrafen, und wird oft als der Moment genannt, in dem Deep Learning zum Mainstream wurde. Google übernahm kurz darauf Hintons kleines Unternehmen DNNresearch, und er teilte seine Zeit zwischen der University of Toronto und Google Brain auf, das später in Google DeepMind eingegliedert wurde.
Rücktritt von Google und Nobelpreis
Im Mai 2023 trat Hinton von Google zurück und erklärte, er wolle frei über die Risiken der Technologie sprechen, die er miterschaffen hatte, darunter Arbeitsplatzverluste, Desinformation und längerfristige Bedenken hinsichtlich des Verlusts menschlicher Kontrolle über zunehmend leistungsfähige Systeme. Seine öffentliche Hinwendung zur KI-Sicherheit machte ihn zu einer der prominentesten Stimmen, die vor existenziellem Risiko durch KI warnen – eine bemerkenswerte Wende für einen Forscher, der den Großteil seiner Karriere schlicht damit verbracht hatte, neuronale Netze zum Funktionieren zu bringen.
Hinton teilte sich 2018 den Turing Award mit LeCun und Bengio für ihre Arbeit am Deep Learning. 2024 wurde ihm gemeinsam mit John Hopfield der Nobelpreis für Physik zuerkannt „für grundlegende Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen“, Teil einer breiteren Reihe von KI-bezogenen Nobel-Auszeichnungen in jenem Jahr, die im Artikel über die Nobelpreise 2024 für KI behandelt werden.