人物简介

杰弗里·辛顿（Geoffrey Hinton）1947 年出生于英国伦敦，是英裔加拿大计算机科学家和认知心理学家。他在剑桥大学国王学院获得实验心理学学士学位，之后在爱丁堡大学取得人工智能博士学位。他曾在英国和美国多所高校从事研究，包括卡内基梅隆大学，后来长期任职于加拿大多伦多大学。

2013 年，他与学生创办的公司 DNNresearch 被谷歌收购，他随后在谷歌兼职从事研究近十年。2023 年，他离开谷歌，并表示希望能更自由地谈论人工智能可能带来的风险。

主要贡献

在神经网络研究不被主流看好的几十年里，辛顿始终是这一方向最坚定的推动者之一。

1986 年，他与戴维·鲁梅尔哈特（David Rumelhart）、罗纳德·威廉姆斯（Ronald Williams）发表论文，系统展示了如何用反向传播算法训练多层神经网络，并让网络学到有用的内部表示。这套方法至今仍是训练深度学习模型的基础。

他与特里·谢诺夫斯基（Terry Sejnowski）等人提出的玻尔兹曼机，把统计物理的思想引入神经网络学习，这也是他后来获得诺贝尔物理学奖的主要原因之一。

2006 年前后，他和合作者提出了深度信念网络和逐层预训练方法，证明深层网络可以被有效训练，“深度学习”这一说法也由此流行起来。此外，他还参与推动了 Dropout 正则化、知识蒸馏、胶囊网络等研究。

代表成果

2012 年，辛顿与学生亚历克斯·克里热夫斯基（Alex Krizhevsky）、伊利亚·苏茨克维（Ilya Sutskever）提出的卷积神经网络 AlexNet，在 ImageNet 图像识别竞赛中大幅领先其他方法。这一结果让学术界和产业界迅速转向深度学习，常被视为当代 AI 浪潮的起点。

同一时期，他的团队与多家机构合作，将深度神经网络用于语音识别，也取得了明显进展，推动了语音技术的工业应用。

荣誉

  • 2018 年图灵奖，与约书亚·本吉奥（Yoshua Bengio）、杨立昆（Yann LeCun）共同获得，表彰他们在深度神经网络方面的概念与工程突破；
  • 2024 年诺贝尔物理学奖，与约翰·霍普菲尔德（John Hopfield）共同获得，表彰他们为利用人工神经网络进行机器学习奠定的基础性发现与发明；
  • 2022 年阿斯图里亚斯公主奖（科学技术研究奖）；
  • 2025 年伊丽莎白女王工程奖；
  • 英国皇家学会院士。

影响

辛顿被广泛称为“深度学习教父”之一。他的影响不仅来自论文，也来自他培养的学生和博士后，其中不少人后来成为学术界和工业界的核心研究者。

近年来，他把更多精力放在公开讨论 AI 风险上，呼吁重视高级 AI 系统可能失控、被滥用等问题，并提倡加大对 AI 安全研究的投入。一位为神经网络奋斗了一生的研究者，转而提醒世人警惕这项技术，这本身就成为 AI 时代一个值得深思的注脚。