Geoffrey Everest Hinton (nascido em 6 de dezembro de 1947) é um cientista da computação, cientista cognitivo e psicólogo cognitivo britânico-canadense, conhecido por seu trabalho fundamental em redes neurais artificiais, que lhe rendeu o título de 'Padrinho da IA'. Ele é Professor Emérito da Universidade de Toronto, onde tem sido uma figura central no desenvolvimento do aprendizado profundo desde o final dos anos 1980.
As contribuições de Hinton incluem a coautoria do artigo marcante de 1986 que popularizou a retropropagação para treinar redes neurais multicamadas, e o design do AlexNet, que venceu o desafio ImageNet de 2012 e revolucionou a visão computacional. Ele dividiu o Prêmio Turing de 2018 com Yoshua Bengio e Yann LeCun por seu trabalho em aprendizado profundo, e em 2024 recebeu o Prêmio Nobel de Física com John Hopfield por suas descobertas que possibilitam o aprendizado de máquina com redes neurais artificiais.
Educação
Hinton nasceu em Wimbledon, Inglaterra, e frequentou o Clifton College em Bristol, antes de se matricular no King's College, Cambridge, em 1967. Após experimentar áreas como ciências naturais e história da arte, ele se formou com um Bacharelado em Artes em psicologia experimental em 1970. Em seguida, trabalhou como aprendiz de carpinteiro, mas retornou à academia, estudando de 1972 a 1975 na Universidade de Edimburgo, onde recebeu um PhD em inteligência artificial em 1978, supervisionado por Christopher Longuet-Higgins. Seu interesse inicial em redes neurais divergia da escola de IA simbólica, então dominante.
Carreira e funções acadêmicas
Após concluir seu PhD, Hinton ocupou cargos na Universidade de Sussex e na Unidade de Psicologia Aplicada do MRC no Reino Unido, mas enfrentou dificuldades para obter financiamento de pesquisa. Ele se mudou para os Estados Unidos, trabalhando na Universidade da Califórnia, San Diego, e depois na Universidade Carnegie Mellon em Pittsburgh. Em 1987, ele se juntou à Universidade de Toronto, onde permaneceu desde então, com um intervalo de 1998 a 2001, quando serviu como diretor fundador da Unidade de Neurociência Computacional da Fundação Gatsby na University College London.
Na Universidade de Toronto, Hinton foi nomeado membro do Instituto Canadense de Pesquisa Avançada (CIFAR) em 1987, e em 2004 ajudou a lançar um programa do CIFAR sobre Computação Neural e Percepção Adaptativa, posteriormente renomeado para Aprendizado em Máquinas e Cérebros, que ele liderou por dez anos. A membresia desse programa incluía Yoshua Bengio e Yann LeCun, com quem ele mais tarde dividiu o Prêmio Turing. Em 2012, Hinton ensinou um curso online gratuito sobre redes neurais através da plataforma Coursera, introduzindo centenas de milhares de pessoas ao aprendizado profundo. No mesmo ano, ele cofundou a DNNresearch Inc. com seus alunos de pós-graduação Alex Krizhevsky e Ilya Sutskever.
A empresa foi adquirida pela Google (posteriormente Google Brain) em março de 2013 por US$ 44 milhões, e Hinton então dividiu seu tempo entre a empresa e suas funções acadêmicas. Em maio de 2023, ele renunciou publicamente ao Google, dizendo que queria falar livremente sobre os riscos da IA, e que em parte se arrependia do trabalho de sua vida. Ele também cofundou e se tornou conselheiro científico chefe do Instituto Vector em Toronto em 2017, posição que continuou após sua aposentadoria da pesquisa ativa. Hinton também é Professor Emérito no Departamento de Ciência da Computação, com alunos de doutorado e pesquisadores de pós-doutorado incluindo Peter Dayan, Sam Roweis, Max Welling, Richard Zemel, Brendan Frey, Radford Neal, Yee Whye Teh, Ruslan Salakhutdinov, Ilya Sutskever, Yann LeCun e Zoubin Ghahramani.
Pesquisa em redes neurais
A pesquisa de Hinton diz respeito principalmente ao uso de redes neurais para aprendizado de máquina, memória, percepção e processamento de símbolos. Ele é autor ou coautor de mais de 200 publicações revisadas por pares, e seu trabalho abrange representações distribuídas, redes neurais de atraso temporal, misturas de especialistas, máquinas de Helmholtz e produtos de especialistas.
Nos anos 1980, Hinton foi membro do grupo de Processamento Distribuído Paralelo na Universidade Carnegie Mellon, que também incluía Terrence Sejnowski, Francis Crick, David Rumelhart e James McClelland. Este grupo defendeu o conexionismo, a ideia de que a cognição de nível superior poderia emergir de redes de unidades simples, durante um período em que o campo da IA estava amplamente orientado para a IA simbólica, uma abordagem que programava explicitamente regras e conhecimento.
Uma contribuição tecnológica chave veio em 1985, quando Hinton coinventou a máquina de Boltzmann com David Ackley e Terry Sejnowski. Esta rede estocástica aprendia a representar e gerar padrões através de um modelo de probabilidade latente, estabelecendo as bases para modelos baseados em energia posteriores. Em 1995, com seus alunos e colegas, Hinton propôs o algoritmo de vigília-sono, que treina uma rede de reconhecimento e uma rede generativa usando fases alternadas de 'vigília' e 'sono'. Esse trabalho contribuiu para avanços posteriores em várias abordagens de aprendizado.
Hinton também desenvolveu truques de visualização usados para entender dados de alta dimensão. Em 2008, com Laurens van der Maaten, ele introduziu o t-SNE, um método que reduz dados de muitas dimensões para duas ou três para inspeção visual, amplamente usado em campos além das redes neurais. Ele também coautorou um artigo de 2007 sobre aprendizado não supervisionado de transformações de imagem, enriquecendo ainda mais o kit de ferramentas para aprender com dados sem rótulos.
AlexNet e o avanço do aprendizado profundo
A proeminência de Hinton aumentou em 2012, quando o AlexNet, uma rede neural convolucional projetada com seus alunos Alex Krizhevsky e Ilya Sutskever, venceu decisivamente o Desafio de Reconhecimento Visual em Grande Escala ImageNet. A rede alcançou uma taxa de erro top-5 de 15,3 por cento na época, muito melhor do que métodos anteriores, mostrando dramaticamente o poder das redes neurais profundas. Este avanço desencadeou um renascimento no aprendizado profundo em visão computacional e foi um fator chave na onda atual de avanços em IA.
Antes do AlexNet, as redes neurais eram consideradas limitadas, frequentemente treinadas em pequenos conjuntos de dados. O sucesso combinou grande aumento de dados, unidades lineares retificadas e treinamento eficiente em GPU, tudo o que Hinton e seus colegas haviam perseguido por anos. O reconhecimento do desempenho do AlexNet é amplamente visto como um grande motivador para novas empresas e laboratórios de pesquisa, como os esforços de IA do Google, aumentarem seu investimento em Deep learning.
Divulgação pública e colaborações
Hinton tem consistentemente trabalhado para comunicar suas ideias a um público mais amplo, publicando escritos sobre inteligência artificial em revistas como a Scientific American em setembro de 1992 e outubro de 1993. Ele também ensinou o MOOC de 2012 sobre aprendizado do conhecimento real, que ajudou a gerar uma geração de pesquisadores de aprendizado profundo. Sua mudança para o Google em 2013, anunciada como uma nomeação em tempo parcial destinada a "dividir meu tempo entre pesquisa universitária e trabalho no Google", solidificou ainda mais seu vínculo com a indústria. Após fundar a DNNresearch com Sutskever e Krizhevsky, ele se juntou ao ecossistema de empresas de IA, sendo notável mais tarde que seu grupo colaborou com os primeiros esforços da OpenAI, como as diferenças nos modelos de linguagem de 2020, mas o próprio Hinton não estava na OpenAI. Ele tem membros da equipe agora em várias instituições.
Prêmios e reconhecimento
As descobertas fundamentais de Hinton lhe renderam os mais altos reconhecimentos profissionais em seu campo. Em 2018, ele recebeu o Prêmio Turing da ACM, frequentemente chamado de Prêmio Nobel da computação, conjuntamente com Yoshua Bengio e Yann LeCun, em reconhecimento por avanços conceituais e de engenharia que provaram a noção de que grandes redes neurais poderiam produzir inteligência. Eles são frequentemente chamados de 'Padrinhos do Aprendizado Profundo'.
Em 2024, Hinton foi agraciado com o Prêmio Nobel de Física junto com John Hopfield por "descobertas e invenções fundamentais que possibilitam o aprendizado de máquina com redes neurais artificiais". A Academia Sueca destacou seu trabalho em física estatística e memória associativa, que estabeleceu as principais bases para o atual boom em inteligência artificial. Hinton, um físico teórico por treinamento conjunto, aceitou o prêmio, refletindo sobre a ironia de que um campo antes visto como marginal se tornou central para a física moderna.
Segurança da IA e defesa
Após deixar o Google em 2023, Hinton se tornou uma voz proeminente sobre os riscos da IA. Ele afirmou que saiu para poder falar sobre segurança artificial. Ele diz que se preocupa com modelos de linguagem de grande escala e outros sistemas que podem em breve funcionar em um nível de capacidade humana, e que eles poderiam, na melhor das hipóteses, ser mal utilizados por atores maliciosos ou, na pior, se tornar riscos existenciais. Ele não considera mais que a transformação para inteligência artificial geral seja impossível, mas sim enormemente acelerada.
Hinton pediu o estabelecimento e a aplicação de diretrizes de segurança através de cooperação vinculante entre empresas e nações de IA. Ele afirmou que a autorregulação da IA é insuficiente, e destacou especificamente que empresas que constroem modelos de linguagem de grande escala podem estar "escravizadas" por incentivos de lucro, e que nações poderiam competir em uma corrida que poderia ser evitável para a segurança. Após receber o Prêmio Nobel, ele propôs pesquisa urgente sobre segurança da IA para projetar sistemas que garantam o controle daqueles mais inteligentes que os humanos. Sua mensagem recebeu críticas científicas, mas ressoa com a ideia de uma comunidade de IA cada vez mais preocupada com o controle.
Vida pessoal e legado
Hinton nasceu em Wimbledon, Londres, em uma família intelectual. Um histórico que inclui muitos cientistas, e seu bisavô Claude era um lógico. Ele emigrou para o Canadá em 1987, tornou-se cidadão canadense, e agora vive em Toronto. Ele usava excentricidades como seu famoso hacking personalizado e não teve falta de sucesso. Suas contribuições visionárias iniciais, frequentemente ridicularizadas nos anos 1980, foram posteriormente mostradas como prescientes: não
Notáveis ex-alunos de doutorado e pesquisadores de pós-doutorado de Hinton incluem Peter Stimson, Sam Read, Max Welles, Richard Urban Bedding, Radford, Y. Why, Ruslan, Ilya Sutskever (cofundador da OpenAI, criador do aprendizado profundo em)
Hinton tem sido reconhecido como uma figura fundamental garantindo que seu trabalho de vida. Ele pediu medidas éticas, mas também continua a ver valor na IA "era de transformação intelectual".