Geoffrey Everest Hinton (nascido em 6 de dezembro de 1947) é um cientista da computação e psicólogo cognitivo britânico-canadense. Ele é amplamente reconhecido por seu trabalho fundamental em redes neurais artificiais, que lhe rendeu o título de "Padrinho da IA". Ele é Professor Emérito Universitário na Universidade de Toronto e recebeu o Prêmio Turing de 2018 e o Prêmio Nobel de Física de 2024.
A pesquisa de Hinton tem sido central para o desenvolvimento do aprendizado profundo, um subcampo do aprendizado de máquina que usa redes neurais multicamadas para modelar padrões complexos em dados. Suas contribuições incluem a popularização do algoritmo de retropropagação, a invenção das máquinas de Boltzmann e o design da AlexNet, um avanço na visão computacional. Ele também tem sido uma voz proeminente sobre os riscos da inteligência artificial, renunciando ao Google em 2023 para falar livremente sobre essas preocupações.
Educação e Vida Inicial
Hinton nasceu em 6 de dezembro de 1947 em Wimbledon, Reino Unido, e estudou no Clifton College em Bristol. Em 1967, ele ingressou no King's College, Cambridge, onde inicialmente explorou ciências naturais, história da arte e filosofia antes de se formar com um Bacharelado em Artes em psicologia experimental em 1970. Após um ano trabalhando como aprendiz de carpinteiro, ele prosseguiu com estudos de pós-graduação na Universidade de Edimburgo, obtendo um doutorado em inteligência artificial em 1978. Sua pesquisa de doutorado foi supervisionada por Christopher Longuet-Higgins, que favorecia a abordagem da IA simbólica, um contraste que moldou a defesa posterior de Hinton pelo conexionismo.
Carreira e Posições Acadêmicas
Após o doutorado, Hinton trabalhou na Universidade de Sussex e na Unidade de Psicologia Aplicada do MRC no Reino Unido. Enfrentando dificuldades de financiamento, ele se mudou para os Estados Unidos, ocupando cargos na Universidade da Califórnia, San Diego, e na Universidade Carnegie Mellon. Em 1987, ele ingressou na Universidade de Toronto como professor, onde permaneceu durante a maior parte de sua carreira, exceto por um período como diretor fundador da Unidade de Neurociência Computacional da Gatsby Charitable Foundation na University College London, de 1998 a 2001.
Em Toronto, Hinton tornou-se membro do Instituto Canadense de Pesquisa Avançada (CIFAR) em 1987, e em 2004 cofundou o programa do CIFAR "Computação Neural e Percepção Adaptativa" (agora "Aprendizado em Máquinas e Cérebros"), que liderou por uma década. Este programa reuniu figuras-chave no aprendizado profundo, incluindo Yoshua Bengio e Yann LeCun, com quem Hinton mais tarde compartilhou o Prêmio Turing de 2018.
Em 2012, Hinton ministrou um curso online gratuito sobre redes neurais na Coursera e, com seus alunos Alex Krizhevsky e Ilya Sutskever, cofundou a DNNresearch Inc. Em março de 2013, o Google adquiriu a empresa por 44 milhões de dólares, e Hinton dividiu seu tempo entre a equipe do Google Brain e a universidade. Ele permaneceu nesse papel duplo até maio de 2023, quando anunciou publicamente sua renúncia ao Google para discutir livremente os riscos da IA, afirmando que parte dele se arrependia do trabalho de sua vida.
Contribuições de Pesquisa
A pesquisa de Hinton concentra-se no uso de redes neurais para aprendizado de máquina, memória, percepção e processamento de símbolos, com mais de 200 publicações revisadas por pares. Na década de 1980, ele fez parte do grupo de Processamento Distribuído Paralelo na Carnegie Mellon, que promoveu o conexionismo durante o inverno da IA. Essa abordagem postula que capacidades como lógica e gramática podem ser aprendidas por redes neurais a partir de dados, contrastando com a programação baseada em regras explícitas da IA simbólica.
Em 1985, Hinton coinventou as máquinas de Boltzmann com David Ackley e Terry Sejnowski. Em 1986, com David Rumelhart e Ronald J. Williams, ele coautorou um artigo seminal que popularizou o algoritmo de retropropagação para treinar redes neurais multicamadas, embora não tenham sido os primeiros a propô-lo. Suas outras inovações incluem representações distribuídas, redes neurais de atraso temporal, misturas de especialistas, máquinas de Helmholtz e produtos de especialistas. Em 1995, ele propôs o algoritmo de vigília-sono e, em 2008, desenvolveu o método de visualização t-SNE com Laurens van der Maaten.
Uma conquista marcante veio em 2012 com a AlexNet, uma rede neural convolucional profunda projetada com Alex Krizhevsky e Ilya Sutskever. A AlexNet venceu o desafio ImageNet, melhorando drasticamente o reconhecimento de imagens e impulsionando a revolução moderna do aprendizado profundo. Esse sucesso levou à aquisição da DNNresearch pelo Google e acelerou a adoção do aprendizado profundo na indústria.
Prêmios e Reconhecimento
As contribuições de Hinton foram amplamente homenageadas. Em 2018, ele recebeu o Prêmio Turing da ACM juntamente com Yoshua Bengio e Yann LeCun por seu trabalho em aprendizado profundo, e o trio é frequentemente chamado de "Padrinhos do 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 membro da Royal Society e Companheiro da Ordem do Canadá.
Defesa da Segurança da IA
Desde sua saída do Google, Hinton tornou-se um defensor proeminente da segurança da IA. Ele expressou preocupações sobre o uso indevido deliberado por atores mal-intencionados, o desemprego tecnológico e o risco existencial da inteligência artificial geral. Ele tem pedido cooperação internacional entre desenvolvedores de IA para estabelecer diretrizes de segurança e, após receber o Prêmio Nobel, instou a uma pesquisa urgente sobre como controlar sistemas de IA mais inteligentes que os humanos. Seus alertas influenciaram o debate público sobre o desenvolvimento responsável da IA generativa e dos modelos de linguagem de grande escala.