杰弗里·埃弗里斯特·辛顿 ,FRS (英語: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。以其在類神經網路 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] 。
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] 。
2024年與约翰·霍普菲尔德 共同獲得诺贝尔物理學奖 ,表彰其在機器學習與人工智慧上,做出的基礎發明及創新。[ 12]
轶事
辛顿是逻辑学家乔治·布尔 与數學家和教育家瑪麗·埃佛勒斯·布爾 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] 。
他被譽為「AI教父」。2023年5月, 他稱其後悔研發人工智能,擔心人工智能會為世界帶來嚴重危害。[ 20]
参考资料
^ 由Google学术搜索 索引的杰弗里·辛顿 出版物
^ 杰弗里·辛顿 在數學譜系計畫 的資料。
^ Geoffrey E. Hinton's Academic Genealogy . [2014-07-22 ] . (原始内容存档 于2017-03-23).
^ Gregory, R. L.; Murrell, J. N. Hugh Christopher Longuet-Higgins. 11 April 1923 -- 27 March 2004: Elected FRS 1958 . Biographical Memoirs of Fellows of the Royal Society . 2006, 52 : 149–166. doi:10.1098/rsbm.2006.0012 .
^ Zemel, Richard Stanley. A minimum description length framework for unsupervised learning (PhD论文). University of Toronto. 1994. OCLC 222081343 . ProQuest 304161918 .
^ Frey, Brendan John. Bayesian networks for pattern classification, data compression, and channel coding (PhD论文). University of Toronto. 1998. OCLC 46557340 . ProQuest 304396112 .
^ Neal, Radford. Bayesian learning for neural networks (PhD论文). University of Toronto. 1995. OCLC 46499792 . ProQuest 304260778 .
^ Salakhutdinov, Ruslan. Learning deep generative models (PhD论文). University of Toronto. 2009. ISBN 9780494610800 . OCLC 785764071 . ProQuest 577365583 .
^ Sutskever, Ilya. Training Recurrent Neural Networks (PhD论文). University of Toronto. 2013. OCLC 889910425 . ProQuest 1501655550 .
^ Anon (2015) Hinton, Prof. Geoffrey Everest . 英国名人录 . ukwhoswho.com online Oxford University Press (布盧姆斯伯里出版公司旗下A & C Black). 需要订阅或英国公共图书馆会员资格
doi :10.1093/ww/9780199540884.013.20261
^ 两名科学家因机器学习方面的贡献分享2024年诺贝尔物理学奖 . 新华网. 2024-10-08.
^ 12.0 12.1 Daniela Hernandez. The Man Behind the Google Brain: Andrew Ng and the Quest for the New AI . Wired . 7 May 2013 [10 May 2013] . (原始内容存档 于2014-03-29).
^ How U of T's 'godfather' of deep learning is reimagining AI . University of Toronto News. [2018-12-28 ] . (原始内容存档 于2019-04-06) (英语) .
^ Baraniuk, Chris. British-born AI expert wins Turing Award . 2019-03-27 [2019-03-27 ] . (原始内容存档 于2019-03-27) (英国英语) .
^ The Nobel Prize in Physics 2024 . NobelPrize.org. [2024-10-08 ] . (原始内容存档 于2024-10-08) (美国英语) .
^ U of T neural networks start-up acquired by Google (新闻稿). Toronto, ON. 2013-03-12 [2013-03-13 ] . (原始内容存档 于2019-10-08).
^ Fellows of the Royal Society . The Royal Society. [2013-03-14 ] . (原始内容存档 于2015-06-26).
^ Artificial intelligence scientist gets M prize . CBC News. 2011-02-14 [2014-07-22 ] . (原始内容存档 于2011-02-17).
^ The Isaac Newton of logic . [2014-07-22 ] . (原始内容存档 于2021-01-16).
^ Metz, Cade. ‘The Godfather of A.I.’ Leaves Google and Warns of Danger Ahead . The New York Times. 2023-05-01 [2023-05-02 ] . ISSN 0362-4331 . (原始内容存档 于2023-05-01) (美国英语) .
外部链接
1901年-1925年 1926年-1950年 1951年-1975年 1976年-2000年 2001年-至今 注:年份不一定是實際獲獎時間,1917年、1918年、1921年、1924年、1925年、1928年、1932年、1943年的獎項都延後一年頒發。
1960年代 1970年代 1980年代 1990年代 2000年代 2010年代 2020年代
艺术
1980年代 1990年代 2000年代 2010年代 2020年代
文学
1980年代 1990年代 2000年代 2010年代 2020年代
社会科学
1980年代 1990年代 2000年代 2010年代 2020年代
科学技术
1980年代 1990年代 2000年代 2010年代 2020年代
交流与人文
1980年代 1990年代 2000年代 2010年代 2020年代
国际合作
1980年代 1990年代 2000年代 2010年代 2020年代
体育
1980年代 1990年代 2000年代 2010年代 2020年代
和平
1980年代 1990年代 2000年代 2010年代 2020年代
1820年代 1830年代 1840年代 1850年代 1860年代 1870年代 1880年代 1890年代 1900年代 1910年代 1920年代 1930年代 1940年代 1950年代 1960年代 1970年代 1980年代 1990年代 2000年代 2010年代 2020年代