Geoffrey Hinton

傑佛瑞·辛頓 (Geoffrey Hinton)

AI 先驅與研究者

關於

傑佛瑞·辛頓常被稱為「AI 教父」,是一位開創性的電腦科學家,他在神經網路與深度學習領域的研究奠定了現代 AI 的基礎。他因對深度學習的貢獻而與他人共同獲得 2018 年圖靈獎。2023 年,他離開 Google,以便能自由地談論 AI 風險,成為 AI 安全討論中的重要聲音。

主要貢獻

  • 共同撰寫 1986 年反向傳播論文,讓多層神經網路在實務上可被有效訓練
  • 共同發明 Boltzmann machines,並發展 deep belief networks,協助神經網路研究走出 AI 寒冬
  • 共同發展 dropout 與 knowledge distillation,改變神經網路訓練與壓縮的實務方法
  • 透過其多倫多研究團隊協助促成 AlexNet,讓 ImageNet 成為深度學習的公開證明點
  • 培養並影響一代深度學習研究者,包括 AlexNet 共同作者 Ilya Sutskever
  • 因深度學習共同獲得 2018 年圖靈獎,並因機器學習基礎研究獲得 2024 年諾貝爾物理學獎
  • 2023 年離開 Google 後公開警告 AI 風險,成為存在性風險辯論中重要但也受爭議的聲音

時刻時間軸 查看所有時刻

影片與訪談

論文與出版物

思想連結

Ilya Sutskever

Ilya Sutskever

影響了他/她

共同創辦人・Safe Superintelligence Inc.

Sutskever 從學生時期就進入辛頓在多倫多的實驗室,一路到 2013 年以循環神經網路訓練為題完成博士;期間的 2012 年,兩人與 Alex Krizhevsky 一起做出了 AlexNet。師徒之間傳承的與其說是技術,不如說是一種信念——規模與梯度下降能做到手工結構做不到的事——Sutskever 後來把這個信念帶進 OpenAI,成為創立時的信條。而兩人日後又各自走上不同的路,抵達同一種對這個信念去向的公開警惕。

en.wikipedia.org

約書亞·班吉歐

約書亞·班吉歐

曾經合作

AI 先驅與安全研究者

兩人與楊立昆共同獲得 2018 年圖靈獎,也合寫了 2015 年那篇《Nature》綜述,等於為整個領域寫下自己的起源故事。而如今把他們繫在一起的,比共同掛名更奇特:兩人花了數十年主張擴大神經網路規模行得通,等到被證明是對的,又一起連署了 2024 年《Science》的〈Managing extreme AI risks amid rapid progress〉。真正讓他們害怕的,是自己說對了。

en.wikipedia.org · arxiv.org

楊立昆

楊立昆

影響了他/她

首席 AI 科學家・Meta

楊立昆的博士後歲月是在辛頓的多倫多實驗室度過,之後才前往貝爾實驗室,在那裡打造出能辨讀手寫支票的卷積神經網路。三十年後,兩人因同一批研究共同獲得 2018 年圖靈獎。這條師承在方法上延續,卻在預言上斷裂:辛頓如今警告滅絕等級的風險,楊立昆則認為這個警告根本問錯了層次。

en.wikipedia.org · en.wikipedia.org

Jeff Dean

Jeff Dean

曾經合作

Google DeepMind 首席科學家

2013 年 Google 收購辛頓那家只有三個人的公司,他因此進了 Dean 共同創立的 Brain 團隊;兩年後,兩人與 Oriol Vinyals 合寫了〈Distilling the Knowledge in a Neural Network〉。那篇論文指出:大模型輸出的軟機率,比它當初訓練用的硬標籤含有更多教學資訊——小模型可以從大模型的不確定性中學習。十年之後,蒸餾既是前沿能力得以進入一般裝置的途徑,也成了國際爭論的核心:誰有資格向誰的模型學習。

arxiv.org · en.wikipedia.org

Theme
Language
Support
© funclosure 2025