Geoffrey Hinton

Geoffrey Hinton har gennem hele sin karriere arbejdet med det konnektionistiske paradigme, hvor inspiration fra vores viden om hjernen spiller en stor rolle. Blandt de vigtigste bidrag er:

• en artikel skrevet i 1986 sammen med David E. Rumalhart (1942-2011), hvor de beskrev den såkaldte backpropagation algoritme til at træne neurale netværk. Metoden var tidligere udviklet i både 1970 og 1974, men genopdagelsen i 1986 markerede starten på et meget aktivt forskningsfelt. Næsten al træning af neurale netværk bruger en eller anden variant af denne algoritme.
• udviklingen i 1986 af Boltzmann-maskine-algoritmen sammen med David Ackley og Terry Sejnowski (f. 1947).
• udviklingen i 2008 af datavisualiseringsmetoden t-SNE sammen Laurens van der Maaten (f. 1984). t-SNE er meget udbredt fx til visualisering af høj-dimensionelle biologiske datasæt.
• udviklingen af AlexNet som i 2012 betød, at Hinton sammen med Alex Krizhevsky (f. 1986) og Ilya Sutskever (f. 1986) vandt billedklassifikationskonkurrencen ImageNet. Deres algoritme AlexNet er et neural netværk trænet på GPU-kort. AlexNet virkede meget bedre end de konkurrerende traditionelle metoder til billedanalyse. Det førte til en fornyet interesse for neurale netværk, der siden har medvirket til den hurtige udvikling indenfor kunstig intelligens i 2020'erne.

Geoffrey Hinton har arbejdet på universiteter i både Storbritannien, Canada og USA.

I 2013-2023 var han også tilknyttet Google. Siden han forlod Google i 2023 har Hinton talt åbent om sine voksende bekymringer om de ricisi, udviklingen indenfor kunstig intelligens medfører.

Geoffrey Hinton har vundet en lang række priser heriblandt i 2018 A. M. Turing-prisen sammen med Yoshua Bengio (f. 1964) og Yann LeCun (f. 1960).

I 2024 fik han Nobelprisen i fysik sammen med John Hopfield. Nobelprisen blev givet for fundamentale opdagelser, der har gjort kunstig intelligens med neurale netværk mulig.

• kunstig intelligens
• Nobelprisen
• modtagere af Nobelprisen i fysik

• Nobelkomitéens begrundelse