傑弗裏·埃弗里斯特·辛頓，（英語：Geoffrey Everest Hinton，1947年12月6日－），英國出生的加拿大計算機學家和心理學家，多倫多大學教授。以其在類神經網絡方面的貢獻聞名。Hinton是反向傳播算法和對比散度算法的發明人之一，也是深度學習的積極推動者，被譽爲“深度學習之父”。Hinton因在深度學習方面的貢獻與 Yoshua Bengio（約書亞·本希奧）和 Yann LeCun（楊立昆）一同被授予了2018年的圖靈獎。
教育經歷
Hinton於1970年在英國劍橋大學獲得實驗心理學學士學位。此後於1978年在愛丁堡大學獲得人工智能博士學位。此後曾在薩塞克斯大學、加州大學聖迭戈分校、劍橋大學、卡內基梅隆大學和倫敦大學學院工作。他是蓋茨比計算神經科學中心的創始人，目前擔任多倫多大學計算機科學系教授。Hinton是機器學習領域的加拿大首席學者，也是加拿大高等研究院贊助的“神經計算和自適應感知”項目的領導者。Hinton在2013年3月加入Google，同時Google併購了他創辦的DNNresearch公司。你可以在Google Research上瞭解其更多信息，https://research.google/people/GeoffreyHinton/
研究成果
Hinton的研究調查了將神經網絡用於機器學習、記憶、感知和符號處理的方法，他撰寫或與人合著了200多篇同行評審的出版物。在2022年神經信息處理系統大會（NeuRIPS）上，Hinton介紹了一種新的神經網絡學習算法，他稱之爲“Forward-Forward”算法。新算法的思想是用兩個正向通路取代反向傳播的傳統正向-反向通路，一個具有正（即真實）數據，另一個具有負數據，這可以由網絡本身生成。
Hinton在卡內基梅隆大學擔任教授期間（1982-1987），David E.Rumelhart和Hinton以及Ronald J.Williams將反向傳播算法應用於多層神經網絡。他們的實驗表明，這種網絡可以學習有用的數據內部表示。在2018年的一次採訪中，Hinton表示，“David E.Rumelhart提出了反向傳播的基本想法，所以這是他的發明。”儘管這項工作對推廣反向傳播很重要，但他並不是第一個提出這種方法的人。Seppo Linnainmaa於1970年提出了反向模式自動微分，反向傳播是其中的一個特例，Paul Werbos於1974年提出使用它來訓練神經網絡。
在同一時期，Hinton與David Ackley和Terry Sejnowski共同發明了玻爾茲曼機。他對神經網絡研究的其他貢獻包括分散表示、時延神經網絡、專家混合系統和亥姆霍茲機器。2007年，Hinton與人合著了一篇無監督學習論文，題爲圖像轉換的無監督學習。Hinton的研究簡介可以在他1992年9月和1993年10月發表在《科學美國人》上的文章中找到。
獲獎榮譽
- 美國人工智能協會會士（1990）
- 皇家學會會士（1998）
- 魯梅爾哈特獎（2001）
- IJCAI優秀研究獎（2005）
- IEEE弗蘭克·羅森布拉特獎（2014）
- 詹姆斯·克拉克·馬克士威獎章（2016）
- BBVA基金會知識前沿獎（2016）
- 圖靈獎（2018）
- 阿斯圖里亞斯親王獎（2022）
