Geoffrey Everest Hinton (nacido el 6 de diciembre de 1947) es un informático, científico cognitivo y psicólogo cognitivo británico-canadiense. Es ampliamente reconocido como una figura destacada en el campo de la inteligencia artificial, particularmente por su trabajo fundacional en redes neuronales artificiales, que le valió el título de "el Padrino de la IA". Es Profesor Emérito Universitario en la Universidad de Toronto. De 2013 a 2023, dividió su tiempo entre trabajar en Google Brain y la universidad antes de anunciar públicamente su salida de Google en mayo de 2023, citando preocupaciones sobre los riesgos de la tecnología de IA. En 2017, cofundó y se convirtió en el asesor científico principal del Instituto Vector en Toronto.
Las contribuciones de Hinton a la IA son extensas e influyentes. Con David Rumelhart y Ronald J. Williams, coescribió un artículo muy citado publicado en 1986 que popularizó el algoritmo de retropropagación para entrenar redes neuronales multicapa, aunque no fueron los primeros en proponer el enfoque. La red neuronal de reconocimiento de imágenes AlexNet, diseñada en colaboración con sus estudiantes Alex Krizhevsky e Ilya Sutskever, ganó el desafío ImageNet en 2012 y fue un gran avance en la visión por computadora. Recibió el Premio Turing 2018, junto con Yoshua Bengio y Yann LeCun, por su trabajo en aprendizaje profundo, y fue galardonado, junto con John Hopfield, con el Premio Nobel de Física 2024 por "descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales".
Educación
Hinton nació el 6 de diciembre de 1947 en Wimbledon, Reino Unido, y fue educado en el Clifton College en Bristol. En 1967, se matriculó como estudiante de pregrado en el King's College de Cambridge. Después de cambiar entre diferentes campos como ciencias naturales, historia del arte y filosofía, finalmente se graduó con una Licenciatura en Artes en psicología experimental en 1970. Pasó un año como aprendiz de carpintería antes de regresar a los estudios académicos. De 1972 a 1975, continuó sus estudios en la Universidad de Edimburgo, donde recibió un doctorado en inteligencia artificial en 1978 por una investigación supervisada por Christopher Longuet-Higgins, quien favorecía el enfoque de IA simbólica sobre el enfoque de redes neuronales.
Carrera
Después de su doctorado, Hinton trabajó inicialmente en la Universidad de Sussex y en la Unidad de Psicología Aplicada del MRC. Después de tener dificultades para obtener financiación en Gran Bretaña, trabajó en los EE. UU. en la Universidad de California, San Diego, y en la Universidad Carnegie Mellon. Fue el director fundador de la Unidad de Neurociencia Computacional de la Fundación Benéfica Gatsby en el University College de Londres. Actualmente es Profesor Emérito Universitario en el Departamento de Ciencias de la Computación de la Universidad de Toronto, donde ha estado afiliado desde 1987, excepto por su tiempo en el University College de Londres de 1998 a 2001.
Al llegar a Canadá, Hinton fue nombrado en el Instituto Canadiense de Investigación Avanzada (CIFAR) en 1987 como miembro del primer programa de investigación del CIFAR, Inteligencia Artificial, Robótica y Sociedad. En 2004, Hinton y colaboradores propusieron con éxito el lanzamiento de un nuevo programa en el CIFAR, "Computación Neuronal y Percepción Adaptativa" (NCAP), que hoy se llama "Aprendizaje en Máquinas y Cerebros". Hinton lideraría el NCAP durante diez años. Entre los miembros del programa se encuentran Yoshua Bengio y Yann LeCun, con quienes Hinton ganaría el Premio ACM A.M. Turing en 2018. Los tres ganadores del Turing continúan siendo miembros del programa Aprendizaje en Máquinas y Cerebros del CIFAR.
Hinton impartió un curso gratuito en línea sobre Redes Neuronales en la plataforma educativa Coursera en 2012. Co-fundó DNNresearch Inc. en 2012 con sus dos estudiantes de posgrado, Alex Krizhevsky e Ilya Sutskever, en el departamento de ciencias de la computación de la Universidad de Toronto. En marzo de 2013, Google adquirió DNNresearch Inc. por 44 millones de dólares, y Hinton planeaba "dividir su tiempo entre su investigación universitaria y su trabajo en Google".
En mayo de 2023, Hinton anunció públicamente su renuncia a Google. Explicó su decisión diciendo que quería hablar libremente sobre los riesgos de la IA y añadió que parte de él ahora se arrepiente del trabajo de su vida.
Notables ex estudiantes de doctorado e investigadores postdoctorales de su grupo incluyen a Peter Dayan, Sam Roweis, Max Welling, Richard Zemel, Brendan Frey, Radford M. Neal, Yee Whye Teh, Ruslan Salakhutdinov, Ilya Sutskever, Yann LeCun, Alex Graves, Zoubin Ghahramani y Peter Fitzhugh Brown.
Investigación
La investigación de Hinton se centra en el uso de redes neuronales para el aprendizaje automático, la memoria, la percepción y el procesamiento de símbolos. Ha escrito o coescrito más de 200 publicaciones revisadas por pares.
En la década de 1980, Hinton fue parte del grupo "Procesamiento Distribuido en Paralelo" en la Universidad Carnegie Mellon, que incluía a científicos notables como Terrence Sejnowski, Francis Crick, David Rumelhart y James McClelland. Este grupo favorecía el enfoque conexionista durante el invierno de la IA. Sus hallazgos fueron publicados en un conjunto de dos volúmenes. El enfoque conexionista adoptado por Hinton sugiere que capacidades en áreas como la lógica y la gramática pueden codificarse en los parámetros de las redes neuronales, y que las redes neuronales pueden aprenderlas a partir de datos. Los simbolistas, por otro lado, abogaban por programar explícitamente el conocimiento y las reglas en los sistemas de IA.
En 1985, Hinton co-inventó las máquinas de Boltzmann con David Ackley y Terry Sejnowski. Sus otras contribuciones a la investigación de redes neuronales incluyen representaciones distribuidas, redes neuronales de retardo temporal, mezclas de expertos, máquinas de Helmholtz y productos de expertos. Se puede encontrar una introducción accesible a la investigación de Geoffrey Hinton en sus artículos en Scientific American de septiembre de 1992 y octubre de 1993. En 1995, Hinton y sus colegas propusieron el algoritmo de vigilia-sueño, que implica una red neuronal con vías separadas para el reconocimiento y la generación, entrenada con fases alternas de "vigilia" y "sueño". En 2007, Hinton coescribió un artículo de aprendizaje no supervisado titulado "Aprendizaje no supervisado de transformaciones de imágenes". En 2008, desarrolló el método de visualización t-SNE con Laurens van der Maaten.
Mientras Hinton era investigador postdoctoral en UC San Diego, David Rumelhart, Hinton y Ronald J. Williams aplicaron el algoritmo de retropropagación a redes neuronales multicapa. Sus experimentos mostraron que tales redes pueden aprender representaciones internas útiles. Este trabajo, publicado en 1986, fue instrumental para revivir el interés en las redes neuronales y sentó las bases para el aprendizaje profundo moderno.
AlexNet y el Gran Avance del Aprendizaje Profundo
En 2012, Hinton y sus estudiantes Alex Krizhevsky e Ilya Sutskever diseñaron AlexNet, una red neuronal convolucional profunda que logró una mejora dramática en la precisión de clasificación de imágenes en el Desafío de Reconocimiento Visual a Gran Escala ImageNet. El éxito de AlexNet demostró el poder del aprendizaje profundo en datos a gran escala y el entrenamiento acelerado por GPU, lo que provocó la rápida adopción del aprendizaje profundo en la visión por computadora y otros campos. Este avance a menudo se considera un punto de inflexión en la historia de la IA, lo que llevó al uso generalizado de redes neuronales profundas en la industria y la academia.
Premios y Honores
Hinton ha recibido numerosos premios y honores a lo largo de su carrera. En 2018, recibió el Premio ACM A.M. Turing, a menudo denominado el "Premio Nobel de la Computación", junto con Yoshua Bengio y Yann LeCun por sus contribuciones al aprendizaje profundo. En 2024, fue galardonado con el Premio Nobel de Física junto con John Hopfield por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales. También es Miembro de la Royal Society y Compañero de la Orden de Canadá, entre otras distinciones.
Opiniones sobre los Riesgos de la IA
En mayo de 2023, Hinton anunció su renuncia a Google para poder "hablar libremente sobre los riesgos de la IA". Ha expresado preocupaciones sobre el uso malintencionado por parte de actores maliciosos, el desempleo tecnológico y el riesgo existencial de la inteligencia general artificial. Señaló que establecer pautas de seguridad requerirá cooperación entre aquellos que compiten en el uso de la IA para evitar los peores resultados. Después de recibir el Premio Nobel, pidió una investigación urgente sobre la seguridad de la IA para descubrir cómo controlar sistemas de IA más inteligentes que los humanos.
Legado
El trabajo de Geoffrey Hinton ha tenido un profundo impacto en el campo de la inteligencia artificial. Su investigación pionera sobre redes neuronales y aprendizaje profundo ha permitido avances en el reconocimiento de imágenes, el reconocimiento de voz, el procesamiento del lenguaje natural y muchas otras aplicaciones. Es ampliamente considerado uno de los informáticos más influyentes de su generación, y sus estudiantes y colaboradores han llegado a liderar importantes esfuerzos de investigación en IA en todo el mundo. Su legado no solo reside en los algoritmos y modelos que desarrolló, sino también en la generación de investigadores que formó e inspiró.