Джеффрі Гінтон – британсько-канадський вчений-інформатик і психолог, відомий своїм внеском у галузі штучного інтелекту (ШІ). Найвідоміше дослідження Гінтона включає розробку алгоритмів машинного навчання (ML) для виявлення процедури, яка є ефективною для пошуку складних структур у великих масивах даних великої розмірності. Гінтон був частиною команди, яка представила алгоритм зворотного розповсюдження та першим використав зворотне розповсюдження для вивчення вставок слів. Інші помітні внески в дослідження нейронних мереж включають машини Больцмана, розподілені представлення, нейронні мережі із затримкою часу, варіаційне навчання, продукти експертів і мережі глибоких переконань. Його дослідницька група в Торонто зробила значні прориви в глибокому навчанні, які зробили революцію в розпізнаванні мовлення та класифікації об’єктів. Далі на toronto.name.
Родинні зв’язки та навчання
Гінтон народився 6 грудня 1947 року. Виріс науковець в Англії. Крім того, Гінтон кровно пов’язаний з математиком Мері Еверест і логіком Джорджем Булом, хірургом Джеймсом Гінтоном і геодезистом Джорджем Еверестом. Хінтон навчався в Кембриджському університеті між 1967 і 1970 роками. Він спробував вивчати низку предметів, включаючи фізіологію, фізику та філософію, перш ніж отримати ступінь з експериментальної психології. Короткий час він працював теслею, перш ніж розпочати докторську дисертацію зі штучного інтелекту в Единбурзькому університеті в 1972 році. На той час це була єдина аспірантська програма у Великій Британії з цієї теми.
Закінчив навчання Гінтон в 1975 році, але ступінь доктора філософії отримав лише в 1978. Робота Хінтона була зосереджена на нейронних мережах, структурах, які імітують людський мозок. Нейронні мережі були непопулярною галуззю штучного інтелекту протягом 1970-х років, і науковий керівник Гінтона, Крістофер Лонге-Хіггінс, регулярно закликав його змінити свій підхід.
Участь в аукціоні та посади
Отримавши ступінь доктора філософії, Гінтон обіймав дослідницькі посади в Університеті Сассекса, Каліфорнійському університеті Сан-Дієго, Раді медичних досліджень (MRC) і Університеті Карнегі-Меллона, перш ніж обійняти посаду професора в Університеті Торонто в липні 1987 року.
Крім трьох років в Університетському коледжі Лондона (1998–2001), Гінтон працював в Університеті Торонто, пізніше ставши почесним професором. У 2012 році Гінтон і двоє його аспірантів (Алекс Крижевський та Ілля Суцкевер) виграли ImageNet, щорічний конкурс зі створення найточніші системи ШІ для розпізнавання зображень. Вони створили підставну компанію під назвою DNNresearch, щоб продати свій досвід на аукціоні чотирьом технологічним фірмам (Google, Microsoft, Baidu та DeepMind), які претендують на компанію. Хінтон обрав Google і приєднався до Google Brain, де він працював половину свого робочого часу (разом з Університетом Торонто) з березня 2013 року до травня 2023. Гінтон залишив Google Brain, посилаючись на занепокоєння щодо впливу ШІ.
Асоціація обчислювальної техніки (ACM) разом із Йошуа Бенгіо та Янном Лекуном присудила Гінтону премію Тьюрінга 2018 року за концептуальні та інженерні прориви, які зробили глибокі нейронні мережі критично важливим компонентом обчислень.
Досягнення науковця
Також Гінтон є членом Королівського товариства, Королівського товариства Канади та Асоціації сприяння розвитку штучного інтелекту. Він є почесним іноземним членом Американської академії мистецтв і наук та Національної інженерної академії, а також колишнім президентом Товариства когнітивних наук. Він отримав почесні докторські ступені Единбурзького, Сассекського та Шербрукського університету. Він був нагороджений першою премією Девіда Е. Румельхарта (2001), нагородою IJCAI за досконалість у дослідженні (2005), премією Кіллама за інженерію (2012), золотою медаллю IEEE Джеймса Клерка Максвелла (2016) і золотою медаллю Герцберга NSERC (2010), яка є головною нагородою Канади в галузі науки та техніки.
Прорив у науці
Сам доктор Гінтон був прийнятий до Королівського товариства в 1998 році. На той час він разом з Девідом Румельхартом і Рональдом Вільямсом написав знаменну статтю про концепцію зворотного поширення – способу навчання штучних нейронних мереж, який називають «відсутньою математичною частиною» (необхідно для посилення машинного розвитку). Це означало, що замість того, щоб людям доводилося продовжувати возитися з нейронними мережами, щоб покращити їх продуктивність, вони могли зробити це самі.
Ця техніка є ключовою для чат-ботів, якими зараз користуються мільйони людей щодня, кожен з яких базується на архітектурі нейронної мережі, яка навчається на величезній кількості текстових даних для інтерпретації підказок і генерування відповідей. Сам ChatGPT добре усвідомлює, наскільки важливе зворотне поширення для його розвитку, описуючи це як «ключовий прорив», який допомагає ChatGPT коригувати свої параметри, щоб його прогнози ставали точнішими з певним часом.
