Introdução
Geoffrey Everest Hinton, nascido em 6 de dezembro de 1947, é um cientista da computação e psicólogo cognitivo britânico-canadense, amplamente reconhecido por seu trabalho em redes neurais artificiais. De 2013 a 2023, Hinton dividiu seu tempo entre o Google (Google Brain) e a Universidade de Toronto. Em maio de 2023, ele anunciou sua saída do Google, citando preocupações sobre os riscos da tecnologia de inteligência artificial (IA). Em 2017, ele cofundou e se tornou o conselheiro científico chefe do Vector Institute em Toronto.
Com David Rumelhart e Ronald J. Williams, Hinton coautorou um artigo muito citado em 1986 que popularizou o algoritmo de retropropagação para treinar redes neurais multicamadas. Embora não tenham sido os primeiros a propor essa abordagem, Hinton é visto como uma figura de destaque na comunidade de aprendizado profundo. O marco no reconhecimento de imagens com o AlexNet, projetado em colaboração com seus alunos Alex Krizhevsky e Ilya Sutskever para o desafio ImageNet 2012, foi um avanço significativo no campo da visão computacional.
Educação e Formação
Hinton foi educado no Clifton College em Bristol e no King's College, Cambridge. Após mudar repetidamente seu curso entre diferentes disciplinas, como ciências naturais, história da arte e filosofia, ele se formou em 1970 com um Bacharelado em Artes em psicologia experimental. Ele continuou seus estudos na Universidade de Edimburgo, onde obteve um PhD em inteligência artificial em 1978, sob a supervisão de Christopher Longuet-Higgins.
Após seu PhD, Hinton trabalhou na Universidade de Sussex e, após dificuldades para encontrar financiamento na Grã-Bretanha, na Universidade da Califórnia, San Diego e na Universidade Carnegie Mellon. Ele foi o diretor fundador da Unidade de Neurociência Computacional da Fundação Gatsby no University College London. Atualmente, ele é professor no departamento de ciência da computação da Universidade de Toronto.
Carreira e Pesquisas
Hinton possui uma Cátedra de Pesquisa do Canadá em Aprendizado de Máquina e é conselheiro do programa Learning in Machines & Brains no Instituto Canadense de Pesquisa Avançada. Em 2012, ele ministrou um curso online gratuito sobre Redes Neurais na plataforma de educação Coursera. Ele ingressou no Google em março de 2013, quando sua empresa, DNNresearch Inc., foi adquirida, planejando dividir seu tempo entre sua pesquisa universitária e seu trabalho no Google.
Suas pesquisas envolvem o uso de redes neurais para aprendizado de máquina, memória, percepção e processamento de símbolos. Hinton escreveu ou co-escreveu mais de 200 publicações revisadas por pares. Na Conferência sobre Sistemas de Processamento de Informação Neural (NeurIPS), ele introduziu um novo algoritmo de aprendizado para redes neurais chamado "Forward-Forward". A ideia do novo algoritmo é substituir as passagens tradicionais de ida e volta da retropropagação por duas passagens de ida, uma com dados positivos (reais) e outra com dados negativos gerados exclusivamente pela rede.
Contribuições e Impactos
Enquanto era pós-doutorando na UC San Diego, Hinton, David E. Rumelhart e Ronald J. Williams aplicaram o algoritmo de retropropagação a redes neurais multicamadas. Seus experimentos mostraram que essas redes podem aprender representações internas úteis dos dados. Em uma entrevista de 2018, Hinton afirmou que "David E. Rumelhart teve a ideia básica da retropropagação, então é sua invenção". Embora esse trabalho tenha sido importante na popularização da retropropagação, não foi o primeiro a sugerir a abordagem.
Durante o mesmo período, Hinton co-inventou as máquinas de Boltzmann com David Ackley e Terry Sejnowski. Suas outras contribuições à pesquisa de redes neurais incluem representações distribuídas, redes neurais de atraso de tempo, misturas de especialistas, máquinas de Helmholtz e Produto de Especialistas. Em 2007, Hinton coautorou um artigo sobre aprendizado não supervisionado intitulado "Unsupervised learning of image transformations". Uma introdução acessível à pesquisa de Geoffrey Hinton pode ser encontrada em seus artigos na Scientific American em setembro de 1992 e outubro de 1993.
Preocupações e Avisos
Em maio de 2023, Hinton anunciou publicamente sua saída do Google, explicando que queria "falar livremente sobre os riscos da IA". Ele expressou preocupações sobre o uso deliberado por atores maliciosos, desemprego tecnológico e risco existencial da inteligência artificial geral. Hinton acredita que sistemas de IA capazes de agência inteligente serão úteis para fins militares ou econômicos, mas teme que esses sistemas possam criar "subobjetivos" desalinhados com os interesses de seus programadores.
Hinton também se preocupa com o uso catastrófico da IA por atores maliciosos, afirmando que "é difícil ver como você pode impedir que os maus atores usem [IA] para coisas ruins". Em 2017, ele pediu uma proibição internacional de armas autônomas letais. Anteriormente otimista sobre os efeitos econômicos da IA, Hinton agora teme que a tecnologia de IA possa, com o tempo, desestabilizar o mercado de trabalho e substituir mais do que apenas "trabalhos repetitivos".
Sobre a XMACNA
Na XMACNA, entendemos a importância de estar na vanguarda da tecnologia e da inovação. Assim como Geoffrey Hinton revolucionou o campo da inteligência artificial com suas pesquisas e descobertas, nós nos esforçamos para transformar o seu negócio com nossas soluções personalizadas de IA. Nossos Funcionários Digitais são projetados para se integrar perfeitamente ao seu trabalho, oferecendo suporte contínuo, análise precisa e operação autônoma 24/7.
Quer saber mais sobre as últimas tendências e inovações em IA? Acompanhe nossos artigos e fique atualizado com as principais novidades do setor. Descubra como a XMACNA pode elevar a eficiência e a inovação da sua empresa, proporcionando uma vantagem competitiva no mercado.
Para mais informações, visite nossas redes sociais: