定义¶

Geoffrey Everest Hinton（1947– ），英裔加拿大计算机科学家，被广泛称为"深度学习之父"。在神经网络两次被学术界判死刑的年代坚持研究四十余年，奠定了现代深度学习的理论基础。2024 年与 John Hopfield 共获诺贝尔物理学奖。

"我习惯了房间里只有我一个人是对的。"

生平¶

• 1947：生于伦敦。曾曾祖父是 George Boole——布尔代数的发明者
• 剑桥大学读实验心理学，追问"心智如何从物质中涌现"
• 1972–1978：爱丁堡大学 AI 博士，导师 Christopher Longuet-Higgins（后转向符号 AI）
• 1982：赴美，加入卡内基梅隆大学
• 1987：移居多伦多大学，在神经网络的第二次寒冬中坚守近二十年
• 2013–2023：加入 Google Brain（同时保留多伦多教职）
• 2023：离开 Google，公开警告 AI 存在性风险
• 2024：与 Hopfield 共获诺贝尔物理学奖（在廉价旅馆接到获奖电话）

核心贡献¶

1. 玻尔兹曼机（1983–1985）¶

与 Terry Sejnowski 共同发明。在 Hopfield 网络（能量系统模型）基础上引入随机性和学习算法，让网络从数据中自主学习模式，而非人类手写规则。命名来自统计力学的 Boltzmann 分布。

→ 见 deep-learning-history

2. 反向传播的推广（1986）¶

与 David Rumelhart、Ronald Williams 合作发表于 Nature。反向传播算法本身并非他们首创（Linnainmaa 1970, Werbos 1974 更早提出），但这篇论文首次系统证明了其在多层网络中的实用性，引爆了神经网络的第一波复兴。

→ 见 backpropagation

3. 深度信念网络（2006）¶

提出逐层预训练方法（greedy layer-wise pretraining），解决了深层网络难以训练的问题。这篇论文标志着"深度学习"作为研究方向的复活，直接催生了后续一系列突破。

4. AlexNet（2012）¶

与学生 Alex Krizhevsky、Ilya Sutskever 用深度卷积神经网络赢得 ImageNet 图像识别大赛，错误率大幅领先传统方法。这是深度学习从学术好奇变为产业革命的转折点。

5. 学术谱系¶

辛顿的学生和博士后构成了现代 AI 的核心网络： - Ilya Sutskever — OpenAI 联合创始人 - Alex Krizhevsky — AlexNet 第一作者 - Yann LeCun — 在辛顿处做博士后（博士导师为巴黎的 Maurice Milgram），后在贝尔实验室开发 LeNet（1989），Meta AI 首席科学家，2018 图灵奖

注意：辛顿与 Yoshua Bengio、Yann LeCun 合称"深度学习三巨头"，2018 年共获图灵奖。但 LeCun 和 Bengio 是独立的研究者而非辛顿的学生。

AI 安全立场¶

2023 年辛顿从 Google 辞职，理由是需要自由发言。他警告： - AI 系统可能发展出超越人类的智能 - 大规模失业与信息操纵是近期风险 - 自主武器系统是存在性威胁

从"造物者"转为"警告者"，这一转变本身就是 AI 安全讨论中最有分量的信号之一。

相关概念¶

• backpropagation — 反向传播：辛顿推广的核心算法
• deep-learning-history — 深度学习发展史：两次寒冬与复兴
• information-theory — 信息论：Shannon 奠基 → 统计学习 → 深度学习的知识谱系
• shannon-entropy — 交叉熵损失函数：从 Shannon 熵到神经网络训练
• voice-presence — 语音临场感：CSM 的 Transformer 架构建立在辛顿的地基上