Geoffrey Hinton

Orígenes y formación

Geoffrey Hinton nació el 6 de diciembre de 1947 en Wimbledon, Inglaterra. Se educó en el Clifton College de Bristol y en 1967 ingresó en el King's College de Cambridge. Tras cambiar varias veces de rumbo entre las ciencias naturales, la historia del arte y la filosofía, se graduó en 1970 en psicología experimental. Antes de volver a los estudios académicos pasó un año como aprendiz de carpintero.

Doctorado en Edimburgo

Entre 1972 y 1975 continuó su formación en la Universidad de Edimburgo, donde obtuvo el doctorado en inteligencia artificial en 1977 con una tesis dirigida por Christopher Longuet-Higgins. Su director defendía el enfoque simbólico de la IA frente al de las redes neuronales, una divergencia que marcaría buena parte de la carrera de Hinton.

Años de búsqueda académica

Tras el doctorado trabajó en la Universidad de Sussex y en la MRC Applied Psychology Unit. Las dificultades para conseguir financiación en Gran Bretaña lo llevaron a Estados Unidos, donde estuvo en la Universidad de California en San Diego y en la Universidad Carnegie Mellon. En Carnegie Mellon formó parte del grupo de procesamiento distribuido en paralelo, que defendía el enfoque conexionista durante el llamado invierno de la IA. Sus hallazgos se publicaron en una obra en dos volúmenes.

Investigación en redes neuronales

La línea de Hinton sostiene que capacidades como la lógica o la gramática pueden codificarse en los parámetros de una red neuronal y aprenderse a partir de datos, en lugar de programarse explícitamente como reglas, como proponían los simbolistas. En 1985 coinventó las máquinas de Boltzmann junto a David Ackley y Terry Sejnowski. Sus otras aportaciones incluyen las representaciones distribuidas, las redes con retardo temporal, las mezclas de expertos, las máquinas de Helmholtz y el producto de expertos. En 1995 propuso con colaboradores el algoritmo wake-sleep, y en 2008 desarrolló junto a Laurens van der Maaten el método de visualización t-SNE. Es autor o coautor de más de 200 publicaciones revisadas por pares.

La retropropagación

Cuando Hinton era investigador posdoctoral en San Diego, trabajó con David Rumelhart y Ronald J. Williams en la aplicación del algoritmo de retropropagación a redes neuronales multicapa. Sus experimentos mostraron que estas redes pueden aprender representaciones internas útiles de los datos. El propio Hinton atribuyó la idea básica a Rumelhart. Conviene matizar que el método no fue inventado allí: Seppo Linnainmaa lo describió en 1970 y Paul Werbos propuso usarlo para entrenar redes en 1974. El trabajo de 1986 fue decisivo por popularizarlo.

Del Reino Unido a Toronto y Google

Hinton se instaló en Canadá en 1987, en parte por su desilusión con la política de la era Reagan y por su rechazo a la financiación militar de la inteligencia artificial en Estados Unidos. Desde entonces ha estado vinculado a la Universidad de Toronto, salvo entre 1998 y 2001, cuando dirigió la unidad de Neurociencia Computacional de la Fundación Gatsby en University College de Londres. En 2012 fundó con dos de sus doctorandos, Alex Krizhevsky e Ilya Sutskever, la empresa DNNresearch, que Google adquirió en marzo de 2013. Su red AlexNet ganó en 2012 el desafío ImageNet y supuso un avance decisivo en la visión por computador.

Premios y reconocimiento

En 2018 recibió el Premio Turing junto a Yoshua Bengio y Yann LeCun por sus trabajos sobre aprendizaje profundo, que les han valido el apodo de «padrinos del aprendizaje profundo». En 2024 compartió con John Hopfield el Premio Nobel de Física por descubrimientos fundacionales que permiten el aprendizaje automático con redes neuronales artificiales. Antes había sido elegido miembro de la Royal Society en 1998 y había obtenido distinciones como el Premio Rumelhart en 2001 o la Medalla de Oro Herzberg en 2011.

Advertencias sobre el riesgo

En mayo de 2023 anunció su salida de Google para poder hablar libremente sobre los riesgos de la IA, y reconoció que en parte lamentaba el trabajo de su vida. Le preocupan el uso deliberado por parte de actores malintencionados, el desempleo tecnológico y el riesgo existencial de una inteligencia artificial general. Ha defendido la prohibición de las armas autónomas letales y ha advertido de que «no hay una buena trayectoria de cosas menos inteligentes controlando cosas de mayor inteligencia». Tras el Nobel pidió investigación urgente sobre la seguridad de la IA. Reconoce que resulta muy difícil prever lo que traerán los avances más allá de unos cinco años.