Geoffrey Everest Hinton (nascido em 6 de dezembro de 1947) é um cientista da computação, cientista cognitivo e psicólogo cognitivo britânico-canadense. Ele é amplamente reconhecido como uma figura de destaque no campo da inteligência artificial, particularmente por seu trabalho fundamental em redes neurais artificiais, que lhe rendeu o título de "Padrinho da IA". Ele é Professor Emérito da Universidade na Universidade de Toronto. De 2013 a 2023, ele dividiu seu tempo entre trabalhar no Google Brain e na universidade, antes de anunciar publicamente sua saída do Google em maio de 2023, citando preocupações sobre os riscos da tecnologia de IA. Em 2017, ele cofundou e tornou-se o principal conselheiro científico do Vector Institute em Toronto.
As contribuições de Hinton para a IA são extensas e influentes. Com David Rumelhart e Ronald J. Williams, ele coautorou um artigo altamente citado publicado em 1986 que popularizou o algoritmo de Backpropagation para treinar redes neurais multicamadas, embora não tenham sido os primeiros a propor a abordagem. A rede neural de reconhecimento de imagens AlexNet, projetada em colaboração com seus alunos Alex Krizhevsky e Ilya Sutskever, venceu o desafio ImageNet em 2012 e foi um avanço na visão computacional. Ele recebeu o Prêmio Turing de 2018, juntamente com Yoshua Bengio e Yann LeCun, por seu trabalho em aprendizado profundo, e foi agraciado, junto com John Hopfield, com o Prêmio Nobel de Física de 2024 por "descobertas e invenções fundamentais que permitem o aprendizado de máquina com redes neurais artificiais".
Educação
Hinton nasceu em 6 de dezembro de 1947 em Wimbledon, no Reino Unido, e foi educado no Clifton College em Bristol. Em 1967, ele matriculou-se como estudante de graduação no King's College, Cambridge. Depois de alternar entre diferentes campos, como ciências naturais, história da arte e filosofia, ele eventualmente graduou-se com um Bacharelado em Artes em psicologia experimental em 1970. Ele passou um ano aprendendo carpintaria antes de retornar aos estudos acadêmicos. De 1972 a 1975, ele continuou seus estudos na Universidade de Edimburgo, onde recebeu um PhD em inteligência artificial em 1978 por pesquisa supervisionada por Christopher Longuet-Higgins, que favorecia a abordagem de IA simbólica em detrimento da abordagem de redes neurais.
Carreira
Após seu PhD, Hinton inicialmente trabalhou na Universidade de Sussex e na Unidade de Psicologia Aplicada do MRC. Depois de ter dificuldades para obter financiamento na Grã-Bretanha, ele trabalhou nos EUA na Universidade da Califórnia, San Diego, e na Universidade Carnegie Mellon. Ele foi o diretor fundador da Unidade de Neurociência Computacional da Gatsby Charitable Foundation no University College London. Atualmente, ele é Professor Emérito da Universidade no Departamento de Ciência da Computação da Universidade de Toronto, onde está afiliado desde 1987, exceto por seu período no University College London de 1998 a 2001.
Ao chegar ao Canadá, Hinton foi nomeado no Instituto Canadense de Pesquisa Avançada (CIFAR) em 1987 como Fellow no primeiro programa de pesquisa do CIFAR, Inteligência Artificial, Robótica e Sociedade. Em 2004, Hinton e colaboradores propuseram com sucesso o lançamento de um novo programa no CIFAR, "Computação Neural e Percepção Adaptativa" (NCAP), que hoje é denominado "Aprendizado em Máquinas e Cérebros". Hinton lideraria o NCAP por dez anos. Entre os membros do programa estão Yoshua Bengio e Yann LeCun, com quem Hinton viria a ganhar o Prêmio ACM A.M. Turing em 2018. Todos os três vencedores do Turing continuam sendo membros do programa Aprendizado em Máquinas e Cérebros do CIFAR.
Hinton ministrou um curso online gratuito sobre Redes Neurais na plataforma educacional Coursera em 2012. Ele cofundou a DNNresearch Inc. em 2012 com seus dois alunos de pós-graduação, Alex Krizhevsky e Ilya Sutskever, no departamento de ciência da computação da Universidade de Toronto. Em março de 2013, o Google adquiriu a DNNresearch Inc. por US$ 44 milhões, e Hinton planejou "dividir seu tempo entre sua pesquisa universitária e seu trabalho no Google".
Em maio de 2023, Hinton anunciou publicamente sua renúncia ao Google. Ele explicou sua decisão, dizendo que queria falar livremente sobre os riscos da IA e acrescentou que parte dele agora se arrepende do trabalho de sua vida.
Notáveis ex-alunos de doutorado e pesquisadores de pós-doutorado de seu grupo incluem 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 e Peter Fitzhugh Brown.
Pesquisa
A pesquisa de Hinton diz respeito ao uso de redes neurais para aprendizado de máquina, memória, percepção e processamento de símbolos. Ele escreveu ou coescreveu mais de 200 publicações revisadas por pares.
Na década de 1980, Hinton fez parte do grupo "Processamento Distribuído Paralelo" na Universidade Carnegie Mellon, que incluía cientistas notáveis como Terrence Sejnowski, Francis Crick, David Rumelhart e James McClelland. Este grupo favorecia a abordagem conexionista durante o inverno da IA. Suas descobertas foram publicadas em um conjunto de dois volumes. A abordagem conexionista adotada por Hinton sugere que capacidades em áreas como lógica e gramática podem ser codificadas nos parâmetros de redes neurais, e que as redes neurais podem aprendê-las a partir de dados. Os simbolistas, por outro lado, defendiam a programação explícita de conhecimento e regras em sistemas de IA.
Em 1985, Hinton coinventou as máquinas de Boltzmann com David Ackley e Terry Sejnowski. Suas outras contribuições para a pesquisa de redes neurais incluem representações distribuídas, rede neural de atraso temporal, misturas de especialistas, máquinas de Helmholtz e produto de especialistas. Uma introdução acessível à pesquisa de Geoffrey Hinton pode ser encontrada em seus artigos na Scientific American em setembro de 1992 e outubro de 1993. Em 1995, Hinton e colegas propuseram o algoritmo de vigília-sono, envolvendo uma rede neural com caminhos separados para reconhecimento e geração, sendo treinada com fases alternadas de "vigília" e "sono". Em 2007, Hinton coautorou um artigo de aprendizado não supervisionado intitulado "Aprendizado não supervisionado de transformações de imagem". Em 2008, ele desenvolveu o método de visualização t-SNE com Laurens van der Maaten.
Enquanto Hinton era pós-doutorando na UC San Diego, David Rumelhart, Hinton e Ronald J. Williams aplicaram o algoritmo de backpropagation a redes neurais multicamadas. Seus experimentos mostraram que tais redes podem aprender representações internas úteis. Este trabalho, publicado em 1986, foi fundamental para reavivar o interesse em redes neurais e lançou as bases para o aprendizado profundo moderno.
AlexNet e o Avanço do Aprendizado Profundo
Em 2012, Hinton e seus alunos Alex Krizhevsky e Ilya Sutskever projetaram a AlexNet, uma rede neural convolucional profunda que alcançou uma melhoria dramática na precisão da classificação de imagens no Desafio de Reconhecimento Visual em Grande Escala ImageNet. O sucesso da AlexNet demonstrou o poder do aprendizado profundo em dados de grande escala e treinamento acelerado por GPU, estimulando a rápida adoção do aprendizado profundo na visão computacional e em outros campos. Este avanço é frequentemente considerado um ponto de virada na história da IA, levando ao uso generalizado de redes neurais profundas na indústria e na academia.
Prêmios e Honrarias
Hinton recebeu inúmeros prêmios e honrarias ao longo de sua carreira. Em 2018, ele foi agraciado com o Prêmio ACM A.M. Turing, frequentemente referido como o "Prêmio Nobel da Computação", juntamente com Yoshua Bengio e Yann LeCun por suas contribuições ao aprendizado profundo. Em 2024, ele foi agraciado com o Prêmio Nobel de Física, juntamente com John Hopfield, por descobertas e invenções fundamentais que permitem o aprendizado de máquina com redes neurais artificiais. Ele também é Fellow da Royal Society e Companheiro da Ordem do Canadá, entre outras distinções.
Visões sobre os Riscos da IA
Em maio de 2023, Hinton anunciou sua renúncia ao Google para poder "falar livremente sobre os riscos da IA". Ele expressou preocupações sobre o uso indevido deliberado por atores maliciosos, desemprego tecnológico e risco existencial da inteligência artificial geral. Ele observou que estabelecer diretrizes de segurança exigirá cooperação entre aqueles que competem no uso da IA para evitar os piores resultados. Após receber o Prêmio Nobel, ele pediu pesquisa urgente em segurança da IA para descobrir como controlar sistemas de IA mais inteligentes que os humanos.
Legado
O trabalho de Geoffrey Hinton teve um impacto profundo no campo da inteligência artificial. Sua pesquisa pioneira em redes neurais e aprendizado profundo permitiu avanços no reconhecimento de imagens, reconhecimento de fala, processamento de linguagem natural e muitas outras aplicações. Ele é amplamente considerado um dos cientistas da computação mais influentes de sua geração, e seus alunos e colaboradores passaram a liderar importantes esforços de pesquisa em IA ao redor do mundo. Seu legado não está apenas nos algoritmos e modelos que desenvolveu, mas também na geração de pesquisadores que ele treinou e inspirou.