杰弗里·埃弗里斯特·辛顿，FRS（英语：Geoffrey Everest Hinton，1947年12月6日—），又译杰弗里·欣顿[11]，英国出生的加拿大计算机学家和心理学家，多伦多大学教授。以其在类神经网络方面的贡献闻名。辛顿是反向传播算法和对比散度算法（Contrastive Divergence）的发明人之一，也是深度学习的积极推动者[12]，被誉为“深度学习教父”[13]。
杰弗里·辛顿 Geoffrey Hinton CC FRS FRSC | |
|---|---|
.jpg) Hinton in 2024 | |
| 出生 | Geoffrey Everest Hinton 1947年12月6日[10]  英国英格兰伦敦温布尔登 |
| 母校 | 剑桥大学（BA） 爱丁堡大学（PhD） |
| 知名于 | 反向传播算法的应用 玻尔兹曼机 深度学习 胶囊神经网络 |
| 奖项 | 美国人工智能协会会士（1990） 鲁梅尔哈特奖（2001） IJCAI优秀研究奖（2005） IEEE弗兰克·罗森布拉特奖（2014） 詹姆斯·克拉克·马克士威奖章（20016） BBVA基金会知识前沿奖（2016） 图灵奖（2018） 阿斯图里亚斯亲王奖（2022） 皇家奖章（2022） 诺贝尔物理学奖(2024) |
| 网站 | www |
| 科学生涯 | |
| 研究领域 | 机器学习 神经网络 人工智能 认知科学 物体识别[1] |
| 机构 | 多伦多大学 卡内基·梅隆大学 伦敦大学学院 圣地亚哥加利福尼亚大学 |
| 论文 | Relaxation and its role in vision（1977年） |
| 博士导师 | 克里斯托弗·龙格-希金斯[2][3][4] |
| 博士生 | 理查德·塞梅尔[5] 布伦丹·傅莱[6] 拉德福德·M·尼尔[7] 郑宇怀 鲁斯·萨拉赫丁诺夫[8] 伊尔亚·苏茨克维[9] |
| 其他著名学生 | 杨立昆（博士后） 彼得·达扬（博士后） 马克斯·威灵（博士后） 祖宾·加拉马尼（博士后） 艾力克斯·格雷夫斯（博士后） |
辛顿因在深度学习方面的贡献与约书亚·本希奥、杨立昆共同获得2018年的图灵奖[14]。2024年，辛顿与约翰·霍普菲尔德共同获得诺贝尔物理学奖。[15]
生平
辛顿于1970年在剑桥大学获得实验心理学学士学位，后于1978年在爱丁堡大学获得人工智能博士学位。毕业后曾在萨塞克斯大学、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工作。他是盖茨比计算神经科学中心的创始人，目前担任多伦多大学计算机科学系教授。辛顿是机器学习领域的加拿大首席学者，也是加拿大高等研究院赞助的“神经计算和自适应感知”项目的领导者。辛顿在2013年3月加入Google，同时Google并购了他创办的DNNresearch公司[16]。
研究兴趣
关于辛顿工作的浅显解释可以参考他在1992年9月和1993年10月于《科学美国人》发表的两篇科普文章。他研究了使用神经网络进行机器学习、记忆、感知和符号处理的方法，并在这些领域发表了超过200篇论文。他是将反向传播算法引入多层神经网络训练的学者之一。他与大卫·阿克利、特里·赛杰诺维斯基一同发明了波尔兹曼机。他对于神经网络的其它贡献包括分散表示（distributed representation）、时延神经网络、专家混合系统（mixtures of experts）、亥姆霍兹机（Helmholtz machines）等。辛顿当前的工作是处理丰富传感器输入的神经网络无监督学习。
获奖
辛顿是鲁梅哈特奖的首位获奖者，1998年当选皇家学会会士[17]。
辛顿获得了2005年IJCAI杰出学者奖终生成就奖，同时也是2011年赫茨伯格加拿大科学和工程金奖获得者[18]。
轶事
辛顿是逻辑学家乔治·布尔与数学家和教育家玛丽·埃佛勒斯·布尔的曾曾孙，布尔的工作最终成为了现代电子计算机的基础。与此同时，辛顿也是外科医生和作家詹姆士·辛顿的后裔[19]。
他被誉为“AI教父”。2023年5月， 他称其后悔研发人工智能，担心人工智能会为世界带来严重危害。[20]
参考资料
外部链接
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
