神经网络寒冬里的坚持
20世纪80年代末至本世纪初，人工智能学界普遍认为神经网络这一技术路线难以扩展、效果有限，主流研究经费与人才纷纷转向支持向量机等其他统计学习方法，辛顿却始终坚持认为神经网络的潜力尚未被充分挖掘。他形容那段岁月里自己"感觉像是在为一种没人相信的东西辩护"，这份数十年如一日的坚持，最终在2012年的ImageNet竞赛上得到了戏剧性的回报。
🧠
杰弗里·辛顿
本名Geoffrey Hinton
英裔加拿大计算机科学家，"AI教父"，深度学习的核心奠基人
想到"机器能思考"的人 · 先驱者
反向传播算法深度学习2024年诺贝尔物理学奖
是谁
杰弗里·辛顿（1947- ）是英裔加拿大计算机科学家兼认知心理学家，1986年与大卫·鲁梅尔哈特、罗纳德·威廉姆斯合著论文，系统阐述了"反向传播算法"在多层神经网络训练中的应用，这套通过逐层反向传递误差梯度来调整网络权重的方法，此后成为几乎所有深度神经网络训练的核心机制。在人工智能领域经历长达数十年的"神经网络寒冬"、主流学界普遍转向其他技术路线的年代，辛顿始终坚持神经网络研究方向，2006年发表"深度信念网络"相关论文，为神经网络的多层训练找到了更有效的初始化方法，被广泛视为"深度学习复兴"的起点。2012年，他与两名研究生亚历克斯·克里泽夫斯基、伊利亚·苏茨克维共同设计的AlexNet，在ImageNet图像识别竞赛中以远超第二名的巨大优势夺冠，这是深度学习第一次在权威公开竞赛中证明其相较此前主流方法的压倒性优势，此后触发了整个人工智能领域向深度学习的集体转向。辛顿因这些奠基性贡献，于2018年与本吉奥、乐昆共同获得素有"计算机界诺贝尔奖"之称的图灵奖，2024年更进一步获得诺贝尔物理学奖（因其在人工神经网络机器学习基础研究方面的贡献而与约翰·霍普菲尔德共获）。2023年，他主动辞去在谷歌的职务，坦言辞职是为了能够更自由地公开谈论人工智能技术可能带来的长期风险，此后持续在公开场合呼吁社会各界正视这些风险。
依据原典鲁梅尔哈特、辛顿、威廉姆斯《通过反向传播误差学习表征》（1986）2024年诺贝尔物理学奖颁奖词
主要故事
辞职谷歌只为"畅所欲言"
辛顿2023年辞去谷歌职务时公开表示，这一决定是为了能够不受雇主利益约束地自由谈论人工智能技术的潜在风险，这一"功成身退、转而示警"的姿态此后被媒体广泛报道讨论。他此后多次公开表示，自己对深度学习技术近年来的发展速度感到既兴奋又不安，认为社会各界对这类系统可能带来的失控风险的重视程度，仍然远远不够。
人物关系
盟友
今日回响
以下是现代作品对这个名字或故事的借用、改写，不代表原始内容——两者不一样，别混着记。
"AI教父"辞职警示风险辛顿2023年辞去谷歌职务、随后持续公开警示人工智能潜在风险的举动，被媒体广泛报道为"功成身退、转而示警"的标志性事件。