Geoffrey Hinton

ការបង្កើតសិក្សា និងអាជីពដំបូង

ផ្លូវរបស់ Hinton ចូលទៅក្នុងបញ្ញាសិប្បនិម្មិត បានចាប់ផ្តើមពីការសិក្សាថ្នាក់បរិញ្ញាបត្រ ផ្នែកចិត្តវិទ្យាពិសោធន៍ នៅសាកលវិទ្យាល័យ Cambridge ដែលគាត់បានបញ្ចប់ការសិក្សានៅឆ្នាំ 1970។ បន្ទាប់មក គាត់បានបន្តការសិក្សាថ្នាក់បណ្ឌិត ផ្នែកបញ្ញាសិប្បនិម្មិត នៅសាកលវិទ្យាល័យ Edinburgh ដោយបញ្ចប់ PhD នៅឆ្នាំ 1978។ បន្ទាប់ពីនោះ មានតំណែងក្រោយបណ្ឌិតនៅសាកលវិទ្យាល័យ Sussex និងសាកលវិទ្យាល័យ University of California San Diego មុនពេលគាត់ចូលរួមជាសាស្ត្រាចារ្យនៅសាកលវិទ្យាល័យ Carnegie Mellon ក្នុងនាយកដ្ឋានវិទ្យាសាស្ត្រកុំព្យូទ័រ ដែលគាត់បានចំណាយពេលប្រាំឆ្នាំ។ ការផ្លាស់ទៅសាកលវិទ្យាល័យ Toronto បានកើតឡើងបន្ទាប់ពីគាត់ក្លាយជាសមាជិក (fellow) នៃ Canadian Institute for Advanced Research ដែលជាការចូលរួមមួយនឹងជាប់ជាមូលដ្ឋានសម្រាប់ការស្រាវជ្រាវជាច្រើនដែលគាត់ធ្វើបន្ត។ ចន្លោះឆ្នាំ 1998 ដល់ 2001 គាត់បានផ្លាស់ទីជាបណ្តោះអាសន្នទៅ University College London ដើម្បីបង្កើត Gatsby Computational Neuroscience Unit ដែលជាមជ្ឈមណ្ឌលស្រាវជ្រាវនៅចន្លោះវិទ្យាសាស្ត្រខួរក្បាល និងការរៀនម៉ាស៊ីន មុនពេលត្រឡប់ទៅ Toronto វិញ ដែលឥឡូវនេះគាត់កាន់តំណែងជា Emeritus Distinguished Professor។

ការរួមចំណែកផ្នែកស្រាវជ្រាវ

លទ្ធផលបច្ចេកទេសរបស់ Hinton មានរយៈពេលជាច្រើនទសវត្សរ៍ និងគ្របដណ្តប់លើគំនិតមូលដ្ឋានជាច្រើនក្នុងការរៀនម៉ាស៊ីន។ គាត់ស្ថិតក្នុងចំណោមអ្នកស្រាវជ្រាវដែលបានណែនាំក្បួនដោះស្រាយ backpropagation សម្រាប់បណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទ ហើយគាត់ជាអ្នកដំបូងដែលអនុវត្ត backpropagation ជាពិសេសសម្រាប់ការរៀន word embeddings — បច្ចេកទេសមួយដែលជាមូលដ្ឋានសម្រាប់ការកែច្នៃភាសាធម្មជាតិសម័យទំនើបជាច្រើន។ នៅពាក់កណ្តាលទសវត្សរ៍ 1980 គាត់បានបង្កើត Boltzmann machine ដោយយកឧបករណ៍ពីរូបវិទ្យាស្ថិតិ ដើម្បីបង្កើតគំរូដែលអាចរៀនស្គាល់លំនាំលក្ខណៈនៅក្នុងសំណុំទិន្នន័យ។ ការងារនេះ ដែលធ្វើឡើងប្រហែលចន្លោះឆ្នាំ 1983 និង 1985 បានមានឥទ្ធិពលយ៉ាងខ្លាំងសម្រាប់ភារកិច្ចពាក់ព័ន្ធនឹងការចាត់ថ្នាក់រូបភាព និងការបង្កើតរូបភាព។

លើសពីការរួមចំណែកមូលដ្ឋានទាំងនេះ ក្រុមស្រាវជ្រាវរបស់ Hinton នៅសាកលវិទ្យាល័យ Toronto បានបង្កើតការរីកចម្រើនលើ distributed representations, time-delay neural networks, mixtures of experts, variational learning, products of experts និង deep belief networks។ ការរីកចម្រើនរបស់ក្រុមក្នុងការរៀនជ្រៅអំឡុងដើមទសវត្សរ៍ 2010 បានបង្កឲ្យមានផលប៉ះពាល់ដែលអាចវាស់វែងបានលើការទទួលស្គាល់សំឡេង និងការចាត់ថ្នាក់វត្ថុ។ ក្នុងឆ្នាំ 2013 Google បានទិញ DNNresearch ដែលជាក្រុមហ៊ុនចាប់ផ្តើម (startup) ដែលកើតចេញផ្ទាល់ពីមន្ទីរពិសោធន៍របស់ Hinton នៅ Toronto ដោយនាំគាត់ចូលទៅក្នុងក្រុមហ៊ុនក្នុងតួនាទីជា Vice President និង Engineering Fellow — តួនាទីដែលគាត់កាន់រហូតដល់ឆ្នាំ 2023។

កិត្តិយស និងឋានៈវិជ្ជាជីវៈ

ក្នុងអាជីពរបស់គាត់ Hinton បានប្រមូលបញ្ជីដ៏ច្រើននៃការក្លាយជាសមាជិកកិត្តិយស និងពានរង្វាន់។ គាត់ជាសមាជិក (Fellow) នៃ Royal Society, Royal Society of Canada និង Association for the Advancement of Artificial Intelligence ហើយគាត់បានបម្រើជាអតីតប្រធាននៃ Cognitive Science Society។ គាត់មានសមាជិកភាពបរទេសកិត្តិយសនៅ American Academy of Arts and Sciences, US National Academy of Engineering និង US National Academy of Sciences។ សញ្ញាបត្របណ្ឌិតកិត្តិយសត្រូវបានប្រគល់ដោយ University of Edinburgh, University of Sussex, University of Sherbrooke និង University of Toronto។

ក្នុងចំណោមពានរង្វាន់ដែលមានឈ្មោះរបស់គាត់ មាន David E. Rumelhart Prize, IJCAI Award for Research Excellence, Killam Prize for Engineering, NSERC Herzberg Gold Medal, IEEE Frank Rosenblatt Medal, IEEE James Clerk Maxwell Gold Medal, NEC C&C Award, BBVA Frontiers of Knowledge Award, Honda Prize និង Princess of Asturias Award។ គាត់ក៏ជាសមាជិក Companion of the Order of Canada ផងដែរ។ ពានរង្វាន់ ACM Turing Award ឆ្នាំ 2018 ដែលចែករំលែកជាមួយ Yann LeCun និង Yoshua Bengio បានទទួលស្គាល់ឥទ្ធិពលរួមនៃការងាររបស់ពួកគេលើការរៀនជ្រៅ។ ពានរង្វាន់ Nobel Prize in Physics ឆ្នាំ 2024 ដែលចែករំលែកជាមួយ John Hopfield បានលើកឡើងជាក់លាក់អំពីការរកឃើញមូលដ្ឋានដែលអនុញ្ញាតឲ្យមានការរៀនម៉ាស៊ីនជាមួយបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត។

តួនាទីសាធារណៈ និងកង្វល់អំពីសុវត្ថិភាព AI

ចាប់តាំងពីចាកចេញពី Google ក្នុងឆ្នាំ 2023 មក Hinton បានចូលកាន់តួនាទីដែលបង្ហាញជាសាធារណៈច្រើនជាងមុន ដោយធ្វើការថ្លែងនៅតាមសាកលវិទ្យាល័យ ស្ថាប័នសាធារណៈ និងតាមបណ្តាញប្រព័ន្ធផ្សព្វផ្សាយផ្សេងៗ រួមទាំង podcasts ការសម្ភាសន៍បោះពុម្ព និងការបង្ហាញតាមវីដេអូ។ ការចាកចេញពីវិស័យឧស្សាហកម្មរបស់គាត់ត្រូវបានអមដោយការអត្ថាធិប្បាយយ៉ាងត្រង់អំពីទិសដៅនៃការអភិវឌ្ឍ AI និងហានិភ័យដែលគាត់ជឿថាប្រព័ន្ធកម្រិតខ្ពស់អាចបង្ក។ ការផ្លាស់ប្តូរពីអ្នកស្រាវជ្រាវទៅជាអ្នកអត្ថាធិប្បាយសាធារណៈនេះ ជាផ្នែកមួយដែលគួរឲ្យកត់សម្គាល់នៅក្នុងអាជីពរបស់គាត់ សម្រាប់អ្នកដែលបានចំណាយពេលរាប់ទសវត្សរ៍ក្នុងការកសាងបច្ចេកវិទ្យាដែលឥឡូវនេះគាត់អំពាវនាវឲ្យប្រុងប្រយ័ត្ន។ គាត់នៅតែមានទំនាក់ទំនងជាមួយ University of Toronto និងបម្រើជាប្រធានផ្នែកវិទ្យាសាស្ត្រកំពូល Emeritus នៅ Vector Institute for Artificial Intelligence។