
Geoffrey Hinton
Informático y psicólogo cognitivo británico-canadiense, pionero de las redes neuronales artificiales y premio Nobel de Física en 2024 · 1947
- Nacimiento
- 6 de diciembre de 1947
- País
- Canadá, Reino Unido
- Sección
- Informática
- Premios
- Premio Nobel de Física, Premio Turing
Biografía
Geoffrey Everest Hinton (Wimbledon, Inglaterra, 6 de diciembre de 1947) es un informático y psicólogo cognitivo británico-canadiense, uno de los nombres más influyentes en la inteligencia artificial actual. Durante décadas, el enfoque en el que trabajó, las redes neuronales artificiales, fue visto con escepticismo por buena parte de la comunidad científica. Hoy esas ideas son la base del aprendizaje profundo, la técnica que sostiene gran parte de los sistemas de reconocimiento de imagen, voz y lenguaje. En 2018 recibió el Premio Turing junto a Yoshua Bengio y Yann LeCun, y en 2024 el Premio Nobel de Física junto a John Hopfield, lo que le ha valido el apodo de «padrino» de la inteligencia artificial.
Hinton nació en Wimbledon, al suroeste de Londres, en una familia con una larga tradición científica. Su tatarabuelo, el matemático George Boole, sentó con su álgebra lógica una de las bases teóricas de la computación moderna, un vínculo que Hinton ha señalado con interés. Su padre, Howard Hinton, era entomólogo, y su segundo nombre procede de George Everest, el topógrafo general de la India que da nombre a la montaña más alta del mundo. Estudió en el Clifton College de Bristol y, en 1967, ingresó en el King's College de Cambridge. Allí fue cambiando de disciplina: ciencias naturales, historia del arte y filosofía antes de decidirse por la psicología experimental, carrera en la que se graduó en 1970. Tras licenciarse trabajó durante un año como aprendiz de carpintero antes de volver a la universidad.
En 1972 comenzó el doctorado en la Universidad de Edimburgo, bajo la dirección de Christopher Longuet-Higgins. Esa elección fue decisiva, porque Longuet-Higgins defendía el enfoque simbólico de la inteligencia artificial, que consiste en programar a mano reglas y conocimientos explícitos, frente al enfoque conexionista, basado en redes de unidades que aprenden a partir de ejemplos. Hinton se inclinó por el segundo. La fecha de la defensa de su tesis aparece como 1977 en unas referencias y como 1978 en otras, así que conviene tomarla con cautela. Lo que sí está claro es que su tesis giró en torno a cómo podía una red de neuronas artificiales aprender.
Tras el doctorado trabajó en la Universidad de Sussex y en la unidad de investigación de psicología aplicada del Consejo de Investigación Médica británico. Encontrar financiación para su línea de trabajo en Gran Bretaña resultó difícil, porque el entusiasmo por las redes neuronales se había enfriado tras las críticas de los años setenta, un periodo conocido como «invierno de la IA». Esa dificultad le llevó a Estados Unidos, donde trabajó en la Universidad de California en San Diego y en la Universidad Carnegie Mellon. En Carnegie Mellon formó parte de un grupo de investigación sobre procesamiento distribuido en paralelo, en el que coincidió con científicos como Terrence Sejnowski, Francis Crick, David Rumelhart y James McClelland. Allí se defendió la idea de que capacidades como la lógica o la gramática pueden quedar codificadas en los parámetros de una red y aprenderse a partir de datos, sin necesidad de programarlas regla por regla.
Un avance clave de esa etapa fue la popularización del algoritmo de retropropagación, o backpropagation, para entrenar redes de varias capas. Una red de varias capas es una red en la que la información pasa por niveles sucesivos, como si cada capa extrajera rasgos cada vez más abstractos. El problema era cómo ajustar las conexiones de las capas intermedias, que no reciben la respuesta correcta directamente. La retropropagación resuelve esto enviando hacia atrás el error de la salida, de modo que cada conexión sabe cuánto debe corregirse. En 1986, Hinton publicó con David Rumelhart y Ronald Williams un artículo muy citado que mostró que estas redes podían aprender representaciones útiles de los datos. Conviene precisar que la idea no era nueva: el matemático Seppo Linnainmaa había descrito en 1970 la diferenciación automática en modo inverso, de la que la retropropagación es un caso particular, y Paul Werbos había propuesto su uso para entrenar redes en 1974. Hinton fue quien logró que la comunidad la adoptara de forma masiva. En 2018, al hablar de ello, afirmó que la idea básica se debía a Rumelhart, lo que ilustra la complejidad de atribuir descubrimientos en un campo colectivo.
En la misma época, en 1985, Hinton coinventó con David Ackley y Terry Sejnowski las máquinas de Boltzmann, un tipo de red que aprende a reproducir la distribución de los datos de entrada y que se inspira en la física estadística, en concreto en la distribución de probabilidad que lleva el nombre del físico Ludwig Boltzmann. Sus otras contribuciones incluyen las representaciones distribuidas, las redes con retraso temporal, la mezcla de expertos, las máquinas de Helmholtz y el producto de expertos. En 1995 propuso con colaboradores el algoritmo wake-sleep, en el que una red alterna fases de «vigilia», en las que reconoce datos reales, y fases de «sueño», en las que genera datos propios para ajustarse. En 2008 desarrolló junto a Laurens van der Maaten la técnica de visualización t-SNE, muy usada para representar en dos dimensiones datos de gran tamaño.
La etapa siguiente llegó con la capacidad de cómputo y los datos masivos. En 2012, Hinton fundó con dos de sus estudiantes de doctorado, Alex Krizhevsky e Ilya Sutskever, la empresa DNNresearch. Ese mismo año, la red AlexNet, diseñada por el equipo, ganó el concurso ImageNet de reconocimiento de imágenes, con una diferencia tan grande que marcó un punto de inflexión en la visión por computador. En marzo de 2013, Google adquirió la empresa, y Hinton empezó a repartir su tiempo entre la universidad y la compañía. En 2012 también impartió un curso en línea gratuito sobre redes neuronales en la plataforma Coursera. Su trayectoria académica ha estado ligada sobre todo a la Universidad de Toronto, a la que se incorporó en 1987, salvo un periodo entre 1998 y 2001 en el University College de Londres, donde dirigió la unidad de neurociencia computacional de la Fundación Benéfica Gatsby. En Canadá, además, participó en los programas del Instituto Canadiense de Investigación Avanzada, donde dirigió durante una década el programa dedicado al aprendizaje en máquinas y cerebros.
Su obra posterior sigue buscando modelos más cercanos a la forma en que funciona el cerebro. En 2017 publicó dos artículos sobre redes de cápsulas, una arquitectura que intenta representar mejor las relaciones entre las partes y el todo de un objeto en una imagen. En 2022, en la conferencia NeurIPS, presentó el algoritmo Forward-Forward, que sustituye el doble recorrido hacia delante y hacia atrás de la retropropagación por dos pasadas hacia delante, una con datos reales y otra con datos generados por la propia red. Hinton ha sugerido que este método encaja con lo que llama computación mortal, en la que el conocimiento aprendido no se transfiere a otro hardware y desaparece con él.
La trayectoria de Hinton también ha estado marcada por sus opiniones. Se trasladó de Estados Unidos a Canadá en parte por su desencanto con la política de la era Reagan y por su desaprobación de la financiación militar de la inteligencia artificial. Se declara socialista y se ha opuesto a las armas autónomas letales. Desde 2023 ha expresado inquietud creciente por los riesgos de la IA, y en mayo de ese año anunció su salida de Google para poder hablar libremente de ellos, admitiendo que una parte de él lamenta su trabajo. Ha señalado el uso malintencionado por parte de actores peligrosos, el desempleo tecnológico y el riesgo existencial de una inteligencia artificial general. Sus cálculos sobre la fecha de llegada de la superinteligencia han variado: ha dicho que podría estar a menos de cincuenta años, aunque advierte de que es muy difícil prever más allá de unos cinco años. Al recibir el Nobel pidió investigación urgente sobre la seguridad de los sistemas más inteligentes que los humanos. Sus críticos, como Jürgen Schmidhuber, consideran que no se reconoció suficientemente el trabajo previo de otros investigadores, y el jefe científico de Meta, Yann LeCun, discrepa de su visión más pesimista.
En su vida personal, Hinton perdió a su primera esposa, Rosalind Zalin, por cáncer de ovario en 1994, y a su segunda, Jackie Ford, por cáncer de páncreas en 2018. Es también primo segundo de la física nuclear Joan Hinton, una de las dos mujeres físicas del Proyecto Manhattan. Desde los diecinueve años convive con dolor de espalda que le hace incómodo estar sentado, y ha lidiado con la depresión a lo largo de su vida. Se ha declarado ateo desde la infancia.
Hinton es hoy una de las voces más reconocidas de la inteligencia artificial, y su legado es doble. Por un lado, sus trabajos sobre retropropagación, máquinas de Boltzmann y aprendizaje profundo sentaron las bases técnicas de la IA moderna. Por otro, su postura pública, que pasó de la confianza en el progreso a la advertencia sobre sus peligros, ha abierto un debate sobre quién debe regular estas tecnologías y con qué prisa. Su historia muestra cómo una idea marginada durante décadas puede acabar transformando la informática, y también cómo sus propios creadores pueden empezar a dudar de ella.
Citas
«Creo que los sistemas políticos la usarán para aterrorizar a la gente.»
«Si tú o yo aprendemos algo y queremos transmitir ese conocimiento a otra persona, no podemos simplemente enviarle una copia. Pero yo puedo tener 10.000 redes neuronales, cada una con sus propias experiencias, y cualquiera de ellas puede compartir al instante lo que aprende. Esa es una diferencia enorme. Es como si hubiera 10.000 de nosotros, y en cuanto una persona aprende algo, todos lo sabemos. Es una forma de inteligencia completamente distinta. Una forma nueva y mejor de inteligencia.»
«En la escuela me enseñaron el cristianismo y en casa el estalinismo. Creo que fue una muy buena preparación para ser científico, porque me acostumbré a la idea de que al menos la mitad de la gente está completamente equivocada.»
«La razón por la que las unidades ocultas de las redes neuronales se llaman unidades ocultas es que Peter Brown me habló de los modelos ocultos de Márkov. Decidí que "oculta" era un buen nombre para esas unidades adicionales, así que de ahí viene el nombre "oculta".»
Aportaciones principales
- 1970Algoritmo de diferenciación automática en modo inverso, base de la retropropagación, descrito por Seppo Linnainmaa; no es obra de Hinton, pero es su antecedente técnico.
- 1985Máquinas de Boltzmann, redes que aprenden a reproducir los patrones de sus datos, coinventadas con David Ackley y Terry Sejnowski.
- 1986Popularización de la retropropagación para entrenar redes neuronales de varias capas, en un artículo con David Rumelhart y Ronald Williams.
- 1995Algoritmo wake-sleep, en el que una red alterna fases de reconocimiento de datos reales y de generación de datos propios.
- 2008Técnica de visualización t-SNE, desarrollada con Laurens van der Maaten para representar en dos dimensiones datos complejos.
- 2012AlexNet, red de reconocimiento de imágenes diseñada con sus estudiantes que ganó el concurso ImageNet y marcó un avance en la visión por computador.
- 2022Algoritmo Forward-Forward, que sustituye el doble recorrido de la retropropagación por dos pasadas hacia delante.
Maestros y alumnos
Aprendió de:
Formó a:
Curiosidades y anécdotas
Un antepasado lógico
Su tatarabuelo, George Boole, desarrolló un álgebra de la lógica que hoy forma parte de los fundamentos de la informática. Hinton es descendiente directo de la familia Boole.
Un nombre de montaña
Su segundo nombre procede de George Everest, topógrafo general de la India, que da nombre al Everest.
Un estudiante que cambió de rumbo
Antes de decidirse por la psicología experimental, pasó por ciencias naturales, historia del arte y filosofía, y tras licenciarse trabajó un año como carpintero.
Descubrimientos e inventos relacionados
- 1986Aprendizaje profundoTécnica de aprendizaje automático que entrena redes de neuronas artificiales organizadas en muchas capas sucesivas para extraer patrones complejos de los datos.
- 2008Incrustación de vecinos estocásticos distribuidos en t (t-SNE)Método estadístico para representar datos de alta dimensión en un mapa de dos o tres dimensiones, de modo que los objetos parecidos queden cerca y los distintos, lejos.
Sus contemporáneos
Mientras vivía Geoffrey Hinton (1947–)…
Vivieron a la vez
Se descubrió o inventó en esos años
- 1947TransistorComponente electrónico de material semiconductor que regula o amplifica el paso de corriente eléctrica entre dos terminales según lo que ocurre en un tercero.
- 1957Satélite artificialUn satélite artificial es un objeto construido por personas y puesto en órbita alrededor de un cuerpo celeste, normalmente la Tierra, para recoger información, transmitirla o cumplir una función concreta.
- 1969InternetRed mundial de redes de ordenadores interconectadas que se comunican mediante el conjunto de protocolos TCP/IP.
- 1971Correo electrónicoServicio de red que permite enviar y recibir mensajes digitales entre usuarios mediante una cuenta con dirección propia, como el correo postal pero electrónico.
- 1973Teléfono móvilDispositivo electrónico portátil que permite hacer llamadas por radiofrecuencia mientras el usuario se desplaza dentro de la zona de cobertura de una red.
- 1989World Wide WebSistema de documentos y recursos interconectados por enlaces (hipervínculos) y accesibles a través de Internet mediante navegadores web.
Ronald Rivest1947 · Informática
Leonard Adleman1945 · Informática
Martin Hellman1945 · Informática
Stephen Wozniak1950 · Informática
Bjarne Stroustrup1950 · Informática
Whitfield Diffie1944 · Informática