Geoffrey E. Hinton, CC FRS FRSC (* 6. Dezember 1947 in Wimbledon, Großbritannien) ist ein britischer Informatiker und Kognitionspsychologe, der vor allem für seine Beiträge zur Theorie künstlicher neuronaler Netze bekannt ist.

Leben und Ausbildung

Geoffrey Hinton wurde als Sohn des Insektenkundlers Howard Hinton (1912–1977) und als Ururenkel des Logikers George Boole geboren. Er wuchs als Atheist an einer christlichen Schule auf. Angetrieben durch sein Vorhaben, den menschlichen Verstand zu begreifen, studierte er von 1967 bis 1970 Experimentalpsychologie an der Universität Cambridge (England), wechselte jedoch aus Unzufriedenheit mit den Lehrinhalten zwischenzeitlich zur Physiologie und Philosophie. Auch von diesen Disziplinen enttäuscht, beendete er schließlich doch sein Studium mit einem Abschluss in Psychologie. Erst als Doktorand wurden seine Studien der damals unpopulären neuronalen Netze von seinen Betreuern toleriert. Hinton war fest davon überzeugt, dass neuronale Systeme für die Erklärung und Nachbildung von Intelligenz hinreichend und notwendig seien. Im Jahre 1978 erhielt er seinen PhD in Künstlicher Intelligenz von der Universität Edinburgh (Schottland). Nach Aufenthalten an der Universität Sussex (England), der University of California, San Diego (USA) und der Carnegie-Mellon Universität (Pittsburgh, USA) wurde er 1987 Professor am Computer Science Department der Universität Toronto (Kanada). Von 1998 bis 2001 entstand unter seiner Leitung die Gatsby Computational Neuroscience Unit am University College London, seitdem arbeitet er weiter als Professor an der Universität Toronto, seit 2014 als University Professor Emeritus. Im Jahr 2012 verkaufte Hinton sein damaliges Start-up und seine eigene Arbeitskraft für 44 Millionen US-Dollar an Google, wo er neben seiner Arbeit an der Universität Toronto bis April 2023 als Vizepräsident und Engineering Fellow blieb. Seine Kündigung bei Google im Jahr 2023 begründete er mit dem Anliegen, offen über die Risiken der Künstlichen Intelligenz sprechen zu können.

Leistungen

Geoffrey Hinton untersucht die Anwendung von künstlichen neuronalen Netzen in den Bereichen Lernen, Gedächtnis, Wahrnehmung und Symbolverarbeitung. Er gehörte zu den Wissenschaftlern, die den Backpropagation-Algorithmus einführten (in einem Nature Aufsatz von 1986 mit David Rumelhart und Ronald Williams) und entwickelte unter anderem die Konzepte der Boltzmann-Maschine und der Helmholtz-Maschine. Leicht verständliche Einführungen in seine wissenschaftliche Arbeit finden sich in seinen Artikeln im Scientific American von 1992 und 1993.

Ehrungen und Mitgliedschaften

2001 erhielt Hinton den ersten Rumelhart-Preis für „theoretische Beiträge in den Grundlagen menschlicher Erkenntnis“ und 2005 den IJCAI Award for Research Excellence. Er wurde 1996 in die Royal Society of Canada, 1998 in die Royal Society und 2003 in die American Academy of Arts and Sciences aufgenommen. 2016 wurde er in die National Academy of Engineering gewählt. 2016 erhielt er den BBVA Foundation Frontiers of Knowledge Award, 2018 den Turing Award. Für 2021 wurde Hinton der Dickson Prize in Science zugesprochen. 2022 wurde er mit dem Prinzessin-von-Asturien-Preis in der Kategorie „Wissenschaft“ und mit der Royal Medal ausgezeichnet. 2023 wurde Hinton zum Mitglied der National Academy of Sciences gewählt.

Werke

  • David E. Rumelhart, Geoffrey E. Hinton, Ronald J. Williams: Learning representations by back-propagating errors. In: Nature. 323. Jahrgang, Nr. 6088, 9. Oktober 1986, ISSN 1476-4687, S. 533–536, doi:10.1038/323533a0 (englisch).
  • How neural networks learn from experience. In: Scientific American. 9/1992
  • mit D. C. Plaut und T. Shallice: Simulating brain damage. In: Scientific American. 10/1993
  • Geoffrey Hinton, Ruslan Salakhutdinov: Reducing the dimensionality of data with neural networks. In: Science. Vol. 313 Issue 5786, 28. Juli 2006, S. 504–507, doi:10.1126/science.1127647 (englisch).}
  • Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton: Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems 25 (2012): 1097-1105.
  • Yann LeCun, Yoshua Bengio, Geoffrey Hinton: Deep learning. In: Nature. 521. Jahrgang, 27. Mai 2015, S. 436–444, doi:10.1038/nature14539 (englisch).

Einzelnachweise

  1. ↑ http://www.cse.buffalo.edu/~rapaport/111F04/boole.html
  2. ↑ Archivierte Kopie (Memento vom 20. Juni 2015 im Internet Archive)
  3. ↑ http://www.thestar.com/news/world/2015/04/17/how-a-toronto-professors-research-revolutionized-artificial-intelligence.html
  4. 1 2 Geoffrey E. Hinton: Curriculum Vitae. 6. Januar 2020, abgerufen am 2. Mai 2023 (englisch).
  5. 1 2 Patrick Beuth: (S+) KI-Pionier Geoffrey Hinton warnt jetzt vor seiner eigenen Schöpfung. In: Der Spiegel. 2. Mai 2023, ISSN 2195-1349 (spiegel.de [abgerufen am 2. Mai 2023]).
  6. ↑ Wired: Google Hires Brains that Helped Supercharge Machine Learning
  7. ↑ Cade Metz: ‘The Godfather of A.I.’ Leaves Google and Warns of Danger Ahead. In: The New York Times. 1. Mai 2023, ISSN 0362-4331 (nytimes.com [abgerufen am 1. Mai 2023]).
  8. ↑ The Verge, 27. März 2019
  9. ↑ Stefan Betschon: Ehre für die «Deep Learning Mafia». Neue Zürcher Zeitung, 4. April 2019, abgerufen am 12. April 2019.
  10. ↑ Prinzessin-von-Asturien-Preis 2022
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.