Geoffrey Hinton est un psychologue cognitif et informaticien britanno-canadien, largement reconnu comme l'un des « parrains de l'apprentissage profond », aux côtés de Yann LeCun et Yoshua Bengio. Ses décennies de travaux sur les algorithmes d'apprentissage des réseaux de neurones, menés en grande partie alors que d'autres considéraient cette approche comme une impasse, ont posé les fondations de la révolution de l'apprentissage profond des années 2010.
Carrière
Né en 1947 à Londres, Hinton a obtenu un doctorat en intelligence artificielle à l'Université d'Édimbourg en 1978. Après des postes de recherche aux États-Unis, il s'est installé à l'Université de Toronto, où il a passé l'essentiel de sa carrière universitaire. En 1986, en collaboration avec David Rumelhart et Ronald Williams, il a co-écrit l'article qui a popularisé la rétropropagation comme méthode pratique pour entraîner des réseaux multicouches, et il a continué à développer des techniques fondamentales dans ce domaine, notamment les machines de Boltzmann, la régularisation par abandon (dropout) et des améliorations dans l'initialisation et l'entraînement des réseaux profonds.
Le tournant décisif pour le domaine est survenu en 2012, lorsque les étudiants de Hinton, Alex Krizhevsky et Ilya Sutskever, ont construit AlexNet, un réseau convolutif profond qui a remporté le concours de reconnaissance ImageNet avec une large avance. Ce résultat a convaincu une grande partie de la communauté de la vision par ordinateur que les réseaux profonds entraînés sur GPU surpassaient les méthodes conçues à la main qui dominaient jusqu'alors, et est souvent cité comme le moment où l'apprentissage profond est devenu courant. Google a acquis peu après la petite entreprise de Hinton, DNNresearch, et il a partagé son temps entre l'Université de Toronto et Google Brain, plus tard intégré à Google DeepMind.
Départ de Google et prix Nobel
En mai 2023, Hinton a démissionné de Google, déclarant vouloir parler librement des risques de la technologie qu'il avait contribué à créer, notamment le déplacement d'emplois, la désinformation et des préoccupations à plus long terme concernant la perte de contrôle humain sur des systèmes de plus en plus capables. Son virage public vers le plaidoyer pour la sécurité de l'IA a fait de lui l'une des voix les plus éminentes mettant en garde contre le risque existentiel lié à l'IA, un changement notable pour un chercheur qui avait passé l'essentiel de sa carrière à simplement tenter de faire fonctionner les réseaux de neurones.
Hinton a partagé le prix Turing 2018 avec LeCun et Bengio pour leurs travaux sur l'apprentissage profond. En 2024, il a reçu le prix Nobel de physique conjointement avec John Hopfield « pour des découvertes et inventions fondamentales permettant l'apprentissage automatique avec des réseaux de neurones artificiels », dans le cadre d'un ensemble plus large de reconnaissances liées à l'IA cette année-là, couvert dans l'article sur les prix Nobel 2024 et l'IA.