Geoffrey Hinton es un psicólogo cognitivo y científico informático británico-canadiense, ampliamente reconocido como uno de los "padrinos del aprendizaje profundo", junto a Yann LeCun y Yoshua Bengio. Sus décadas de trabajo en algoritmos de aprendizaje para redes neuronales, gran parte realizado mientras otros consideraban que ese enfoque era un callejón sin salida, sentaron las bases de la revolución del aprendizaje profundo en la década de 2010.
Carrera
Nacido en 1947 en Londres, Hinton obtuvo un doctorado en inteligencia artificial en la Universidad de Edimburgo en 1978. Tras ocupar puestos de investigación en Estados Unidos, se estableció en la Universidad de Toronto, donde pasó la mayor parte de su carrera académica. En 1986, junto a David Rumelhart y Ronald Williams, coescribió el artículo que popularizó la retropropagación como una forma práctica de entrenar redes multicapa, y continuó desarrollando técnicas fundamentales en el campo, incluidas las máquinas de Boltzmann, la regularización por abandono (dropout) y mejoras en cómo se inicializan y entrenan las redes profundas.
El punto de inflexión para el campo llegó en 2012, cuando los estudiantes de posgrado de Hinton, Alex Krizhevsky e Ilya Sutskever, construyeron AlexNet, una red convolucional profunda que ganó la competición de reconocimiento ImageNet por un amplio margen. El resultado convenció a gran parte de la comunidad de visión por computadora de que las redes profundas entrenadas con GPU superaban a los métodos diseñados manualmente que habían dominado hasta entonces, y a menudo se cita como el momento en que el aprendizaje profundo se volvió mainstream. Google adquirió poco después la pequeña empresa de Hinton, DNNresearch, y él repartió su tiempo entre la Universidad de Toronto y Google Brain, que más tarde se integró en Google DeepMind.
Salida de Google y Premio Nobel
En mayo de 2023, Hinton renunció a Google, afirmando que quería hablar libremente sobre los riesgos de la tecnología que había ayudado a crear, incluidos el desplazamiento laboral, la desinformación y las preocupaciones a largo plazo sobre la pérdida de control humano sobre sistemas cada vez más capaces. Su giro público hacia la defensa de la seguridad de la IA lo convirtió en una de las voces más prominentes que advierten sobre el riesgo existencial de la IA, un cambio notable para un investigador que había pasado la mayor parte de su carrera simplemente intentando hacer funcionar las redes neuronales.
Hinton compartió el Premio Turing de 2018 con LeCun y Bengio por su trabajo en aprendizaje profundo. En 2024, fue galardonado con el Premio Nobel de Física junto a John Hopfield "por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales", parte de un conjunto más amplio de reconocimientos Nobel relacionados con la IA ese año, cubiertos en el artículo sobre los Premios Nobel 2024 y la IA.