Geoffrey Everest Hinton (nacido el 6 de diciembre de 1947) es un informático, científico cognitivo y psicólogo cognitivo británico-canadiense. Es ampliamente reconocido por su trabajo fundacional en redes neuronales artificiales, que le valió el título de "padrino de la IA". Es Profesor Universitario Emérito en la Universidad de Toronto y receptor del Premio Turing de 2018 y del Premio Nobel de Física de 2024.
La investigación de Hinton ha sido central para el desarrollo del aprendizaje profundo, un subcampo del aprendizaje automático que utiliza redes neuronales de múltiples capas para modelar patrones complejos en los datos. Sus contribuciones incluyen la popularización del algoritmo de retropropagación, la invención de las máquinas de Boltzmann y el diseño de AlexNet, un avance en visión por computadora. También ha sido una voz prominente sobre los riesgos de la inteligencia artificial, renunciando a Google en 2023 para hablar libremente sobre estas preocupaciones.
Educación y Primeros Años
Hinton nació el 6 de diciembre de 1947 en Wimbledon, Reino Unido, y se educó en el Clifton College de Bristol. En 1967, ingresó en el King's College de Cambridge, donde inicialmente exploró ciencias naturales, historia del arte y filosofía antes de graduarse con una licenciatura en psicología experimental en 1970. Después de un año aprendiendo carpintería, cursó estudios de posgrado en la Universidad de Edimburgo, obteniendo un doctorado en inteligencia artificial en 1978. Su investigación doctoral fue supervisada por Christopher Longuet-Higgins, quien favorecía el enfoque simbólico de la IA sobre las redes neuronales, un contraste que moldeó la posterior defensa de Hinton por el conexionismo.
Carrera y Posiciones Académicas
Tras su doctorado, Hinton trabajó en la Universidad de Sussex y en la Unidad de Psicología Aplicada del MRC en el Reino Unido. Ante dificultades de financiación, se trasladó a los Estados Unidos, ocupando puestos en la Universidad de California, San Diego, y en la Universidad Carnegie Mellon. En 1987, se unió a la Universidad de Toronto como profesor, donde ha permanecido la mayor parte de su carrera, excepto por un período como director fundador de la Unidad de Neurociencia Computacional de la Fundación Benéfica Gatsby en el University College de Londres de 1998 a 2001.
En Toronto, Hinton se convirtió en becario del Instituto Canadiense de Investigación Avanzada (CIFAR) en 1987, y en 2004 cofundó el programa de CIFAR "Computación Neural y Percepción Adaptativa" (ahora "Aprendizaje en Máquinas y Cerebros"), que dirigió durante una década. Este programa reunió a figuras clave del aprendizaje profundo, incluidos Yoshua Bengio y Yann LeCun, con quienes Hinton compartió más tarde el Premio Turing de 2018.
En 2012, Hinton impartió un curso gratuito en línea sobre redes neuronales a través de Coursera, y con sus estudiantes Alex Krizhevsky e Ilya Sutskever, cofundó DNNresearch Inc. En marzo de 2013, Google adquirió la empresa por 44 millones de dólares, y Hinton repartió su tiempo entre el equipo de Google Brain y la universidad. Permaneció en este doble rol hasta mayo de 2023, cuando anunció públicamente su renuncia a Google para discutir libremente los riesgos de la IA, declarando que parte de él se arrepentía del trabajo de su vida.
Contribuciones a la 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, con más de 200 publicaciones revisadas por pares. En los años ochenta, fue parte del grupo de Procesamiento Distribuido Paralelo en Carnegie Mellon, que promovió el conexionismo durante el invierno de la IA. Este enfoque postula que capacidades como la lógica y la gramática pueden ser aprendidas por redes neuronales a partir de datos, en contraste con el enfoque simbólico de la IA basado en programación explícita con reglas.
En 1985, Hinton coinventó las máquinas de Boltzmann con David Ackley y Terry Sejnowski. En 1986, con David Rumelhart y Ronald J. Williams, coescribió un artículo seminal que popularizó el algoritmo de retropropagación para entrenar redes neuronales de múltiples capas, aunque no fueron los primeros en proponerlo. Sus otras innovaciones incluyen representaciones distribuidas, redes neuronales de retardo temporal, mezclas de expertos, máquinas de Helmholtz y productos de expertos. En 1995, propuso el algoritmo de vigilia-sueño, y en 2008, desarrolló el método de visualización t-SNE con Laurens van der Maaten.
Un logro fundamental llegó en 2012 con AlexNet, una red neuronal convolucional diseñada con Alex Krizhevsky e Ilya Sutskever. AlexNet ganó el desafío ImageNet, mejorando drásticamente el reconocimiento de imágenes y desencadenando la revolución del aprendizaje profundo. Este éxito condujo a la adquisición de DNNresearch por Google y aceleró la adopción del aprendizaje profundo en la industria.
Premios y Reconocimientos
Las contribuciones de Hinton han sido ampliamente honradas. En 2018, recibió el Premio Turing de la ACM junto con Yoshua Bengio y Yann LeCun por su trabajo en aprendizaje profundo, y al trío se les suele llamar "los padrinos del 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.
Defensa de la Seguridad de la IA
Desde su salida de Google, Hinton se ha convertido en un destacado defensor de la seguridad de la IA. Ha expresado preocupaciones sobre el uso deliberado por parte de actores malintencionados, el desempleo tecnológico y el riesgo existencial de la inteligencia artificial general. Ha pedido directrices de seguridad a nivel internacional y, tras recibir el Premio Nobel, instó a la investigación urgente sobre cómo controlar sistemas de IA más inteligentes que los humanos. Sus advertencias han influido en el debate público sobre el desarrollo responsable de la IA generativa y los modelos de lenguaje grandes.