Geoffrey Everest Hinton，亦称为加拿大计算机学家和心理学家，1947年12月6日出生于英国，是在神经网络领域的杰出学者。作为多伦多大学的终身教授，Hinton因其在类脑网络和深度学习的贡献而闻名于世。他是反向传播算法和对比散度算法的重要开创者，并与Yoshua Bengio和Yann LeCun共同获得了享誉学术界的2018年图灵奖。
学术背景
Hinton在英国剑桥大学以实验心理学学士身份起步他的学术生涯，并在1978年于爱丁堡大学取得了人工智能博士学位。此后，他在多个学术机构包括萨塞克斯大学、加州大学圣迭戈分校、剑桥大学、卡内基梅隆大学和伦敦大学学院等地任教，并在跨领域的研究平台上积累了丰富的经验。1982年至1987年间，作为卡内基梅隆大学的教授，Hinton与David E.Rumelhart合作，将其在多层神经网络上提出的反向传播算法化为应用之实践。他也是盖茨比计算神经科学中心的创始者之一，并在2013年加盟Google，使其研究的深度学习技术得以在该公司的网络服务中得到应用。
研究成就
Hinton对神经网络的研究源远流长，他的成就涵盖了机器学习和神经网络的多个领域，包括记忆、感知和符号处理等。他撰写超过200篇的科研论文，并在NeuRIPS 2022上发表了他名为“Forward-Forward”的新型神经网络学习算法，这一算法提出用两个正向信号路径代替了原来的正反向传播方法，意在优化神经网络的性能。
在卡内基梅隆大学期间，Hinton的工作推动了多层神经网络的发展，并且其后续的反向传播研究成果对神经网络的训练产生了深远的影响。Seppo Linnainmaa和Paul Werbos的先驱工作为反向传播的算法理论奠定了基础。同时，Hinton与David Ackley和Terry Sejnowski共同发明了著名的玻尔兹曼机，并在分散表示、时延神经网络、专家混合系统及亥姆霍兹机器等概念上有显著贡献。Hinton在《科学美国人》上发表的理论文章，为公众提供了关于其研究的深入了解。
荣誉与奖项
Hinton的成就得到了广泛的认可，获得的奖项包括：
– 美国人工智能协会（AAAI）会士（1990年）
– 皇家学会（Royal Society）会士（1998年）
– 鲁梅尔哈特奖（2001年）
– IJCAI杰出研究奖（2005年）
– IEEE弗兰克·罗森布拉特奖（2014年）
– 詹姆斯·克拉克·麦克斯韦奖章（2016年）
– BBVA基金会知识前沿奖（2016年）
– 图灵奖（2018年）
– 阿斯图里亚斯亲王奖（2022年）
他的学术成就和对深度学习领域的影响，使他成为了人工智能历史上的一个重要人物。如需了解Hinton在Google Research的更多工作，可以参考Google Research网站上的个人介绍。
相关文章
