Geoffrey Everest Hinton (nacido el 6 de diciembre de 1947) es un informático, científico cognitivo y psicólogo cognitivo británico-canadiense, conocido por su trabajo fundacional en redes neuronales artificiales, que le valió el título de 'el Padrino de la IA'. Es Profesor Universitario Emérito en la Universidad de Toronto, donde ha sido una figura central en el desarrollo del aprendizaje profundo desde finales de la década de 1980.
Las contribuciones de Hinton incluyen la coautoría del artículo histórico de 1986 que popularizó la retropropagación para entrenar redes neuronales multicapa, y el diseño de AlexNet, que ganó el desafío ImageNet de 2012 y revolucionó la visión por computadora. Compartió el Premio Turing de 2018 con Yoshua Bengio y Yann LeCun por su trabajo en aprendizaje profundo, y en 2024 recibió el Premio Nobel de Física con John Hopfield por sus descubrimientos que permiten el aprendizaje automático con redes neuronales artificiales.
Educación
Hinton nació en Wimbledon, Inglaterra, y asistió al Clifton College en Bristol, antes de matricularse en el King's College de Cambridge en 1967. Tras probar en campos como ciencias naturales e historia del arte, se graduó con una Licenciatura en Artes en psicología experimental en 1970. Luego trabajó como aprendiz de carpintero, pero regresó a la academia, estudiando de 1972 a 1975 en la Universidad de Edimburgo, donde recibió un doctorado en inteligencia artificial en 1978, supervisado por Christopher Longuet-Higgins. Su interés temprano en redes neuronales divergió de la escuela de IA simbólica entonces dominante.
Carrera y roles académicos
Después de completar su doctorado, Hinton ocupó puestos en la Universidad de Sussex y en la Unidad de Psicología Aplicada del MRC en el Reino Unido, pero enfrentó dificultades para asegurar financiamiento de investigación. Se mudó a los Estados Unidos, trabajando en la Universidad de California, San Diego, y más tarde en la Universidad Carnegie Mellon en Pittsburgh. En 1987, se unió a la Universidad de Toronto, donde ha permanecido desde entonces, con un descanso de 1998 a 2001 cuando sirvió como director fundador de la Unidad de Neurociencia Computacional de la Fundación Gatsby en el University College de Londres.
En la Universidad de Toronto, Hinton fue nombrado miembro del Instituto Canadiense de Investigación Avanzada (CIFAR) en 1987, y en 2004 ayudó a lanzar un programa de CIFAR sobre Computación Neural y Percepción Adaptativa, más tarde renombrado Aprendizaje en Máquinas y Cerebros, que dirigió durante diez años. La membresía de ese programa incluía a Yoshua Bengio y Yann LeCun, con quienes más tarde compartió el Premio Turing. En 2012, Hinton enseñó un curso en línea gratuito sobre redes neuronales a través de la plataforma Coursera, introduciendo a cientos de miles de personas al aprendizaje profundo. Ese mismo año, cofundó DNNresearch Inc. con sus estudiantes de posgrado Alex Krizhevsky e Ilya Sutskever.
La empresa fue adquirida por Google (más tarde Google Brain) en marzo de 2013 por 44 millones de dólares, y Hinton entonces dividió su tiempo entre la empresa y sus deberes académicos. En mayo de 2023, renunció públicamente a Google, diciendo que quería hablar libremente sobre los riesgos de la IA, y que en parte lamentaba el trabajo de su vida. También cofundó y se convirtió en asesor científico principal del Instituto Vector en Toronto en 2017, una posición que continuó después de su retiro de la investigación activa. Hinton es también Profesor Universitario Emérito en el Departamento de Ciencias de la Computación, con estudiantes de doctorado e investigadores posdoctorales que incluyen a Peter Dayan, Sam Roweis, Max Welling, Richard Zemel, Brendan Frey, Radford Neal, Yee Whye Teh, Ruslan Salakhutdinov, Ilya Sutskever, Yann LeCun y Zoubin Ghahramani.
Investigación en redes neuronales
La investigación de Hinton se centra principalmente en el uso de redes neuronales para el aprendizaje automático, la memoria, la percepción y el procesamiento de símbolos. Ha sido autor o coautor de más de 200 publicaciones revisadas por pares, y su trabajo abarca representaciones distribuidas, redes neuronales con retardo temporal, mezclas de expertos, máquinas de Helmholtz y productos de expertos.
En la década de 1980, Hinton fue miembro del grupo de Procesamiento Distribuido Paralelo en la Universidad Carnegie Mellon, que también incluía a Terrence Sejnowski, Francis Crick, David Rumelhart y James McClelland. Este grupo defendió el conexionismo, la idea de que la cognición de nivel superior podría emerger de redes de unidades simples, durante un período en que el campo de la IA se orientaba en gran medida hacia la IA simbólica, un enfoque que programaba explícitamente reglas y conocimiento.
Una contribución tecnológica clave llegó en 1985 cuando Hinton co-inventó la máquina de Boltzmann con David Ackley y Terry Sejnowski. Esta red estocástica aprendía a representar y generar patrones mediante un modelo de probabilidad latente, sentando las bases para modelos basados en energía posteriores. En 1995, con sus estudiantes y colegas, Hinton propuso el algoritmo de vigilia-sueño, que entrena una red de reconocimiento y una red generativa usando fases alternas de 'vigilia' y 'sueño'. Ese trabajo contribuyó a avances posteriores en varios enfoques de aprendizaje.
Hinton también desarrolló trucos de visualización que se usaban para entender datos de alta dimensión. En 2008, con Laurens van der Maaten, introdujo t-SNE, un método que reduce datos de muchas dimensiones a dos o tres para inspección visual, ampliamente utilizado en campos más allá de las redes neuronales. También coautoró un artículo de 2007 sobre aprendizaje no supervisado de transformaciones de imágenes, enriqueciendo aún más el conjunto de herramientas para aprender de datos sin etiquetas.
AlexNet y el avance del aprendizaje profundo
La prominencia de Hinton aumentó en 2012 cuando AlexNet, una red neuronal convolucional diseñada con sus estudiantes Alex Krizhevsky e Ilya Sutskever, ganó decisivamente el Desafío de Reconocimiento Visual a Gran Escala de ImageNet. La red logró una tasa de error top-5 del 15.3 por ciento en ese momento, mucho mejor que los métodos anteriores, mostrando dramáticamente el poder de las redes neuronales profundas. Este avance provocó un renacimiento en el aprendizaje profundo en visión por computadora y fue un factor clave en la ola actual de avances en IA.
Antes de AlexNet, las redes neuronales se consideraban limitadas, a menudo entrenadas en conjuntos de datos pequeños. El éxito combinó gran aumento de datos, unidades lineales rectificadas y entrenamiento eficiente con GPU, todo lo cual Hinton y sus colegas habían perseguido durante años. El reconocimiento del rendimiento de AlexNet es ampliamente visto como un motivador importante para que nuevas empresas y laboratorios de investigación como los esfuerzos de IA de Google aumentaran su inversión en aprendizaje profundo.
Divulgación pública y colaboraciones
Hinton ha trabajado consistentemente para comunicar sus ideas a un público más amplio, publicando escritos sobre inteligencia artificial en revistas como Scientific American en septiembre de 1992 y octubre de 1993. También enseñó el MOOC de 2012 sobre aprendizaje del conocimiento real que ayudó a generar una generación de investigadores de aprendizaje profundo. Su mudanza a Google en 2013, anunciada como un nombramiento a tiempo parcial destinado a "dividir mi tiempo entre la investigación universitaria y el trabajo en Google", reforzó aún más su vínculo con la industria. Después de fundar DNNresearch con Sutskever y Krizhevsky, se unió al ecosistema de empresas de IA, siendo notable más tarde que su grupo colaboró con OpenAI en esfuerzos tempranos como las diferencias en modelos de lenguaje de 2020, pero Hinton mismo no estaba en OpenAI. Ahora tiene personal en varias instituciones.
Premios y reconocimientos
Los descubrimientos fundacionales de Hinton le valieron los más altos reconocimientos profesionales en su campo. En 2018, recibió el Premio Turing de la ACM AM, a menudo llamado el Premio Nobel de la computación, junto con Yoshua Bengio y Yann LeCun, en reconocimiento a avances conceptuales y de ingeniería que demostraron la noción de que grandes redes neuronales podían producir inteligencia. A menudo se les llama los 'Padrinos del Aprendizaje Profundo'.
En 2024, Hinton fue galardonado con el Premio Nobel de Física junto con John Hopfield por "descubrimientos e invenciones fundacionales que permiten el aprendizaje automático con redes neuronales artificiales". La Academia Sueca destacó su trabajo en física estadística y memoria asociativa, que sentó las bases principales para el auge actual en inteligencia artificial. Hinton, un físico teórico por formación conjunta, aceptó el premio, reflexionando sobre la ironía de que un campo una vez visto como marginal se convirtiera en central para la física moderna.
Seguridad de la IA y defensa
Después de dejar Google en 2023, Hinton se convirtió en una voz prominente sobre los riesgos de la IA. Ha declarado que dejó para poder hablar libremente sobre la seguridad de la IA. Dice que le preocupan los modelos de lenguaje grandes y otros sistemas que pronto podrían funcionar a un nivel de capacidad humana, y que podrían ser mal utilizados por actores maliciosos o, en el peor de los casos, convertirse en riesgos existenciales. Ya no considera que la transformación hacia inteligencia artificial general sea imposible, sino que se acelera enormemente.
Hinton ha pedido establecer y hacer cumplir pautas de seguridad mediante cooperación vinculante entre empresas de IA y naciones. Ha declarado que la autorregulación de la IA es insuficiente, y ha destacado específicamente que las empresas que construyen modelos de lenguaje grandes podrían estar "esclavizadas" por incentivos de ganancias, y que las naciones podrían competir en una carrera que podría ser evitable para la seguridad. Después de recibir el Premio Nobel, propuso investigación urgente sobre seguridad de la IA para diseñar sistemas que aseguren el control de aquellos más inteligentes que los humanos. Su mensaje recibió críticas científicas pero resuena con la idea de una comunidad de IA cada vez más preocupada por el control.
Vida personal y legado
Hinton nació en Wimbledon, Londres, en una familia intelectual. Su trasfondo incluye muchos científicos, y su bisabuelo Claude era un lógico. Emigró a Canadá en 1987, se convirtió en ciudadano canadiense, y ahora vive en Toronto. Usaba excentricidades como su famoso corte de pelo personalizado y ha tenido éxito sin escasez. Sus contribuciones visionarias tempranas, a menudo ridiculizadas en la década de 1980, se mostraron posteriormente como proféticas: no
Notables ex estudiantes de doctorado e investigadores posdoctorales de Hinton incluyen a Peter Stimson, Sam Read, Max Welles, Richard Urban Bedding, Radford, Y. Why, Ruslan, Ilya Sutskever (cofundador de OpenAI, creador del aprendizaje profundo en)
Hinton ha sido reconocido como una figura fundacional que asegura que su trabajo de vida. Ha pedido medidas éticas, pero también continúa viendo valor en la "era de transformación intelectual" de la IA.