Личность род. 1947

Джеффри Хинтон

Британско-канадский информатик и когнитивный психолог, пионер искусственных нейронных сетей и глубокого обучения, лауреат премии Тьюринга и Нобелевской премии по физике

Краткая справка

Джеффри Эверест Хинтон (род. 1947) — британский и канадский учёный в области информатики и когнитивной психологии, один из главных творцов современного глубокого обучения, лауреат премии Тьюринга (2018) и Нобелевской премии по физике (2024). Вопреки многолетнему доминированию символьного подхода в годы «зимы ИИ», он обосновал обучение многослойных нейронных сетей методом обратного распространения ошибки (1986), изобрёл машины Больцмана и вместе с учениками создал свёрточную сеть AlexNet (2012). В 2023 году покинул Google ради публичного предупреждения об экзистенциальных рисках ИИ.

Портрет британско-канадского учёного Джеффри Хинтона
Джеффри Хинтон, пионер глубоких нейронных сетей и лауреат Нобелевской премии по физике (2026). Фото Кристофера Мишеля Иллюстрация: Cmichel67, CC BY-SA 4.0

Происхождение, среда и становление

Джеффри Эверест Хинтон родился 6 декабря 1947 года в пригороде Лондона Уимблдоне в одной из самых примечательных научных династий Великобритании. Его прапрадедом был великий математик Джордж Буль, заложивший алгебраический фундамент всей цифровой электроники, и просветительница Мэри Эверест Буль; второе имя досталось мальчику в честь родственника Джорджа Эвереста, главного геодезиста Индии, отец Говард Хинтон был членом Лондонского королевского общества по энтомологии, а двоюродная тётя Джоан Хинтон работала физиком-ядерщиком в Манхэттенском проекте. Выросший в атмосфере интеллектуального нонконформизма и материалистического рационализма, юноша с ранних лет задался единственным вопросом, определившим всю его судьбу: каким физическим образом миллиарды биологических нейронов головного мозга формируют память, понятия и восприятие.

Поступив в 1967 году в Королевский колледж Кембриджского университета, Хинтон неоднократно менял специализацию — от физиологии и физики до философии науки, — разочаровываясь в том, как мало академические дисциплины конца 1960-х годов могли сказать о реальных механизмах мышления. Получив в 1970 году диплом бакалавра по экспериментальной психологии и даже проработав год учеником столяра, он в 1972 году отправился в докторантуру Эдинбургского университета к Кристоферу Лонге-Хиггинсу. Момент для изучения искусственных нейронных сетей казался безнадёжным: после разгромной книги Марвина Минского и Сеймура Паперта «Персептроны» (1969) и критического доклада Джеймса Лайтхилла (1973) в науке воцарилась ортодоксия «символьного ИИ», утверждавшая, что разум сводится к программированию явных логических правил и манипулированию символами.

Даже собственный научный руководитель Хинтона отвернулся от сетевых моделей в пользу формальной грамматики, однако молодой исследователь отказался поверить, что эволюция выстроила человеческое зрение и речь подобно жёсткому синтаксическому анализатору. Защитив в 1978 году докторскую диссертацию и не найдя в Великобритании грантов на «еретическое» направление, Хинтон перебрался в США — сначала в Калифорнийский университет в Сан-Диего, где вокруг психологов Дэвида Румельхарта и Джеймса Макклелланда складывалась междисциплинарная группа параллельной распределённой обработки (PDP), а затем на факультет компьютерных наук Университета Карнеги — Меллон. Здесь коннекционизм обрёл второе дыхание на стыке нейробиологии, когнитивной науки и статистической физики.

Ключевые свершения, труды и историческая роль

Первый крупный теоретический прорыв Хинтон совершил в 1983–1985 годах совместно с нейробиологом Терренсом Сейновски, создав «машину Больцмана» — вероятностную рекуррентную нейронную сеть, вдохновлённую физикой спиновых стёкол и ассоциативной памятью Джона Хопфилда. Заменив детерминированные пороги стохастическим распределением Больцмана из термодинамики, авторы показали, что сеть со «скрытыми» внутренними нейронами способна самостоятельно улавливать глубинную статистическую структуру мира и генерировать новые правдоподобные примеры, хотя её обучение тогда оставалось вычислительно медленным. Именно этот мост между статистической механикой и теорией обучения почти четыре десятилетия спустя лёг в обоснование Нобелевской премии по физике 2024 года.

Ещё более мощный импульс прикладной информатике дала опубликованная в октябре 1986 года в журнале «Nature» знаменитая статья Румельхарта, Хинтона и Рональда Уильямса об обучении внутренних представлений методом обратного распространения ошибки (backpropagation). Вычисляя по цепному правилу дифференцирования вклад каждого синаптического веса в итоговую погрешность ответа, исследователи наглядно опровергли главный скептический тезис эпохи «Персептронов»: многослойные нейронные сети научились самостоятельно выстраивать в промежуточных слоях осмысленные распределённые признаки понятий, например родственных связей или фонетических закономерностей, без ручного кодирования правил программистом.

Когда в 1990-е годы ограниченная мощность компьютеров и нехватка размеченных данных привели к новой «зиме нейросетей», а лидерство перехватили математически прозрачные методы опорных векторов, Хинтон — работавший с 1987 года в Торонтском университете при уникальной долгосрочной поддержке Канадского института перспективных исследований (CIFAR) — не свернул программу. В 2004 году он объединил в канадской инициативе CIFAR Яна Лекуна и Йошуа Бенжио, а в 2006 году со своими аспирантами опубликовал серию прорывных работ по послойному предобучению ограниченных машин Больцмана и «глубоким сетям доверия», введя в широкий оборот сам термин «глубокое обучение» (deep learning). Кульминация наступила осенью 2012 года: глубокая свёрточная сеть AlexNet, обученная Хинтоном и его учениками Алексом Крижевским и Ильёй Суцкевером на потребительских графических ускорителях NVIDIA с применением регуляризации Dropout, разгромила классические алгоритмы на соревновании компьютерного зрения ImageNet, снизив долю ошибок почти вдвое и открыв современную эру искусственного интеллекта.

Переломные решения, конфликты и драма эпохи

На протяжении всей жизни научные решения Хинтона определялись не только математической интуицией, но и жёсткими этико-политическими убеждениями. В 1987 году, будучи успешным профессором ведущего американского Университета Карнеги — Меллон, он демонстративно покинул США и переехал в Канаду, протестуя против внешней политики администрации Рональда Рейгана и того факта, что львиная доля американских исследований искусственного интеллекта финансировалась Пентагоном для разработки автономных боевых систем. Парадоксальным образом этот моральный демарш спас коннекционистскую школу: канадский фонд CIFAR предоставил Хинтону свободу фундаментального поиска без требований сиюминутной военной или коммерческой отдачи в самые глухие для нейросетей десятилетия.

Второй драматический поворот произошёл в 2012–2013 годах, когда академическая лаборатория в Торонто внезапно оказалась в центре многомиллионной схватки технологических гигантов. Учредив вместе с Крижевским и Суцкевером крошечную компанию DNNresearch без единого готового продукта, Хинтон провёл закрытый аукцион между Baidu, Microsoft, Google и молодым стартапом DeepMind, завершившийся в марте 2013 года переходом команды в подразделение Google Brain за 44 миллиона долларов. Следующие десять лет Хинтон совмещал университетское наставничество и руководство открытым в 2017 году торонтским Институтом Вектора с работой внутри корпоративной инфраструктуры Google, наблюдая, как масштабирование трансформеров и больших языковых моделей превращает его теоретические идеи в планетарную индустрию.

Именно стремительность этого масштабирования привела семидесятипятилетнего лауреата премии Тьюринга к самому громкому гражданскому поступку его поздних лет. 1 мая 2023 года Хинтон публично объявил об уходе из Google, чтобы без оглядки на корпоративную лояльность предупредить человечество об экзистенциальных рисках созданной при его участии технологии. Пересмотрев собственные прежние прогнозы, он указал на фундаментальное эволюционное преимущество цифрового интеллекта над биологическим мозгом: тысячи копий одной нейронной модели способны мгновенно синхронизировать выученные веса, накапливая объём знаний, недоступный смертным людям, чьё обучение ограничено узким каналом человеческой речи. Хинтон вступил в открытую полемику со своим давним соратником Яном Лекуном, настаивая, что без жёсткого международного регулирования гонка корпораций и держав грозит потерей контроля над самосовершенствующимися агентами, появлением летального автономного оружия и резким ростом социального неравенства.

Наследие, влияние и оценки в историографии

Влияние Хинтона на архитектуру современной науки трудно переоценить не только по числу цитирований, превысившему к 2026 году миллион ссылок, но и по масштабу воспитанной им научной школы. Через его семинары, постдокторантуру и лаборатории в Торонто и Университетском колледже Лондона прошли исследователи, определившие лицо мирового ИИ XXI века: сооснователь и главный научный руководитель OpenAI Илья Суцкевер, Ян Лекун, Руслан Салахутдинов, Зубин Гахрамани, Питер Дайан, Макс Веллинг, Алекс Грейвз и Брендан Фрей. Созданные с участием Хинтона методы стохастического вложения соседей t-SNE, исключения нейронов Dropout, контрастного обучения и экспериментального алгоритма «прямого-прямого» прохода (Forward-Forward, 2022) вошли в золотой арсенал вычислительных наук.

В историографии искусственного интеллекта вокруг наследия Хинтона продолжаются содержательные дискуссии о приоритетах и смене научных парадигм. Немецкий исследователь Юрген Шмидхубер и ряд историков математики справедливо напоминают, что обратный режим автоматического дифференцирования был описан Сеппо Линнайнмаа ещё в 1970 году, а применён к нейросетям Полом Вербосом (1974) и Сюнъити Амари задолго до статьи 1986 года — факт, который сам Хинтон неоднократно признавал, подчёркивая роль эмпирической демонстрации распределённых представлений. В более широком философском плане работы Хинтона знаменовали исторический реванш эмпиризма и статистического самообучения над рационалистической мечтой классической кибернетики о жёсткой логической кодификации человеческого разума.

Присуждение Джеффри Хинтону премии Тьюринга (2018) и Нобелевской премии по физике (2024) превратило его биографию в редкий символ научной стойкости — сорокалетнего противостояния интеллектуальной моде, увенчавшегося глобальным переворотом в технологиях, медицине и культуре. В то же время его поздняя тревога сближает образ «крёстного отца глубокого обучения» с трагической рефлексией физиков атомного проекта середины XX века, напоминая о неразрывной связи фундаментального познания с исторической ответственностью учёного за судьбу человеческого вида.

Хронология ключевых этапов

Дата / этап Событие Историческое пояснение
6 декабря 1947 Рождение в научной династии в Лондоне Родился в Уимблдоне в семье энтомолога Говарда Хинтона; праправнук создателя математической логики Джорджа Буля и педагога Мэри Эверест Буль.
1970–1978 Психология в Кембридже и докторская диссертация в Эдинбурге Окончил Кембриджский университет по экспериментальной психологии и защитил в Эдинбурге диссертацию по искусственному интеллекту, отстаивая нейронные сети вопреки скепсису символьной школы.
1985–1986 Машина Больцмана и прорыв с обратным распространением ошибки Совместно с Терренсом Сейновски изобрёл стохастическую машину Больцмана, а в 1986 году с Дэвидом Румельхартом и Рональдом Уильямсом опубликовал в Nature классическую статью об обучении многослойных сетей.
1987 Переезд в Торонтский университет и программу CIFAR Отказавшись от военного финансирования науки Пентагоном, переехал из США в Канаду, где при поддержке института CIFAR сохранил и развил школу коннекционизма в период «зимы нейросетей».
2006–2012 Рождение «глубокого обучения» и победа сети AlexNet Разработал послойное предобучение ограниченных машин Больцмана, а в сентябре 2012 года вместе с учениками Алексом Крижевским и Ильёй Суцкевером одержал историческую победу на конкурсе компьютерного зрения ImageNet.
2013–2018 Десятилетие в Google Brain и премия Тьюринга После покупки стартапа DNNresearch корпорацией Google совмещал работу вице-президента с кафедрой в Торонто; в 2018 году разделил премию Тьюринга с Йошуа Бенжио и Яном Лекуном.
2023–2024 Уход из Google ради дискуссии о рисках ИИ и Нобелевская премия В мае 2023 года уволился из Google, чтобы свободно предупреждать мир об угрозах сверхразумного ИИ, а в октябре 2024 года получил с Джоном Хопфилдом Нобелевскую премию по физике.

Жизнь и творчество на фоне истории

Сопоставление ключевых вех биографии (Джеффри Хинтон) с мировыми и отечественными событиями, сражениями и технологическими переломами эпохи.

Личная веха Исторический фон эпохи
1947 г.рождение
Личная веха Рождение: Джеффри Хинтон
6 декабря 1947рождение
Веха жизни Рождение в научной династии в Лондоне — Родился в Уимблдоне в семье энтомолога Говарда Хинтона; праправнук создателя математической логики Джорджа Буля и педагога Мэри Эверест Буль.
1953–1959 гг. (переворот — июнь 1954 г.)6 лет
17 мая 19547 лет
1958–2020-е гг.11 лет
1964 н.э.17 лет
1970–197823 года
Веха жизни Психология в Кембридже и докторская диссертация в Эдинбурге — Окончил Кембриджский университет по экспериментальной психологии и защитил в Эдинбурге диссертацию по искусственному интеллекту, отстаивая нейронные сети вопреки скепсису символьной школы.
1950–1970-е годы (рубеж — Всемирная продовольственная конференция 1974 года)27 лет
1985–198638 лет
Веха жизни Машина Больцмана и прорыв с обратным распространением ошибки
198740 лет
Веха жизни Переезд в Торонтский университет и программу CIFAR — Отказавшись от военного финансирования науки Пентагоном, переехал из США в Канаду, где при поддержке института CIFAR сохранил и развил школу коннекционизма в период «зимы нейросетей».
2006–201259 лет
Веха жизни Рождение «глубокого обучения» и победа сети AlexNet — Разработал послойное предобучение ограниченных машин Больцмана, а в сентябре 2012 года вместе с учениками Алексом Крижевским и Ильёй Суцкевером одержал историческую победу на конкурсе компьютерного зрения ImageNet.
2013–201866 лет
Веха жизни Десятилетие в Google Brain и премия Тьюринга — После покупки стартапа DNNresearch корпорацией Google совмещал работу вице-президента с кафедрой в Торонто; в 2018 году разделил премию Тьюринга с Йошуа Бенжио и Яном Лекуном.
2023–202476 лет
Веха жизни Уход из Google ради дискуссии о рисках ИИ и Нобелевская премия

Цепочка влияния: причины и последствия

Исторический «эффект домино» — какие предпосылки вызвали это событие или явление и к каким переменам оно привело.

Что привело к этому (истоки и предпосылки)

Личность1912 — 1954Идейный исток и влияние

Алан Тьюринг

Продолжая поздние идеи Тьюринга о неорганизованных самообучающихся машинах, Хинтон доказал способность многослойных коннекционистских моделей самостоятельно извлекать сложные представления из сырых данных.

К чему это привело дальше (последствия)

Технология и формат1958–2020-е гг.Обратное распространение ошибки и Deep Learning

Искусственные нейросети, архитектура Transformer и LLM

Работы Джеффри Хинтона по обучению многослойных нейросетей и прорыв AlexNet (2012) на GPU запустили современную революцию глубокого обучения.

Личностьрод. 1959Идейный исток и влияние

Ян Лекун

Годовая постдокторантура под руководством Джеффри Хинтона в Торонто (1987–1988) закрепила приверженность Лекуна нейронным сетям и будущий триумф глубокого обучения.

Личностьрод. 1964Формирующее влияние

Йошуа Бенжио

Совместное научное сотрудничество Бенжио с Джеффри Хинтоном и Яном Лекуном в рамках программы CIFAR позволило вывести нейросетевой подход из маргинального положения к революции глубокого обучения.

Событие2022–2025Технологический катализатор

Бурное распространение генеративного искусственного интеллекта и больших языковых моделей

Работы Хинтона по обратному распространению ошибки, ограниченным машинам Больцмана и архитектуре AlexNet (2012) вывели нейросети из академической маргинальности и запустили современную революцию глубокого ИИ.

Государства и ключевые связи в графе

Связанные личности, технологии, места и понятия

Технология и формат Искусственные нейросети, архитектура Transformer и LLM 1958–2020-е гг. — Обратное распространение ошибки и Deep Learning
Личность Ян Лекун род. 1959 — Идейный исток и влияние
Личность Йошуа Бенжио род. 1964 — Формирующее влияние
Личность Алан Тьюринг 1912 — 1954 — Идейный исток и влияние
Технология и формат Искусственные нейросети, архитектура Transformer и LLM 1958–2020-е гг. — Пионер / исследователь
Технология и формат Перцептрон Розенблатта и обратное распространение ошибки 1957–1986 гг. — Пионер / исследователь
Личность Йошуа Бенжио род. 1964 — Связанная личность
Личность Ян Лекун род. 1959 — Связанная личность

Связанные события энциклопедии

2022–2025 Технологический катализатор

Бурное распространение генеративного искусственного интеллекта и больших языковых моделей

В 2022–2025 годах генеративный искусственный интеллект перешёл из исследовательских лабораторий в повседневную глобальную инфраструктуру. Опираясь на архитектуру трансформера

Известные современники

Выдающиеся деятели науки, искусства, политики и техники, чья жизнь пересекалась с эпохой героя статьи.

1922–2023

Джон Гуденаф

физик, нобелевский лауреат за разработку литий-ионных батарей

1924–2024

Джимми Картер

39-й президент США, подписавший Кэмп-Дэвидские соглашения

1920–2012

Рэй Брэдбери

писатель-фантаст («451 градус по Фаренгейту», «Марсианские хроники»)

1924–2011

Сидни Люмет

американский режиссёр («12 разгневанных мужчин», «Телесеть»)

1922–2018

Стэн Ли

сценарист и редактор Marvel, создавший современную супергеройскую мифологию

1915–1998

Фрэнк Синатра

американский певец и киноактёр («оскаровский» лауреат)

Частые вопросы и ответы

За что информатик Джеффри Хинтон получил в 2024 году Нобелевскую премию именно по физике?
Нобелевский комитет отметил разработанную Хинтоном в 1980-е годы машину Больцмана, в которой методы статистической физики и термодинамики (распределение энергий состояний Больцмана) были напрямую применены для обучения искусственных нейронных сетей распознаванию скрытых закономерностей и генерации данных.
Почему победу нейросети AlexNet в 2012 году называют «моментом Большого взрыва» современного ИИ?
До конкурса ImageNet 2012 года компьютерное зрение опиралось на конструируемые вручную математические фильтры. Сеть AlexNet Хинтона, Крижевского и Суцкевера, обученная на видеокартах GPU, сразу снизила ошибку распознавания с 26% до 15,3%, доказав индустрии решающее превосходство глубоких многослойных нейросетей на больших данных.
В чём состоит главное техническое опасение Хинтона по поводу превосходства цифрового ИИ над мозгом?
Человеческий мозг представляет собой «смертное вычисление»: знания привязаны к конкретной биологической ткани и передаются другим людям лишь медленным языковым путём. Цифровые же модели работают на идентичном оборудовании и способны мгновенно обмениваться градиентами и весами между тысячами копий, учась неизмеримо быстрее человечества.
Как научная биография Хинтона связана с основателем булевой логики Джорджем Булем?
Хинтон приходится прямым праправнуком Джорджу Булю и Мэри Эверест Буль. Историки науки видят в этом символическую преемственность: если Буль в XIX веке формализовал строгие бинарные правила истинности, лёгшие в основу процессоров, то его потомок научил эти же процессоры гибкому вероятностному мышлению по образцу коры мозга.

Научная литература и источники

  1. Rumelhart D. E., Hinton G. E., Williams R. J. Learning representations by back-propagating errors // Nature. 1986. Vol. 323. P. 533–536. [doi.org]
  2. Krizhevsky A., Sutskever I., Hinton G. E. ImageNet Classification with Deep Convolutional Neural Networks // Communications of the ACM. 2017. Vol. 60, No. 6. P. 84–90. [doi.org]
  3. Geoffrey E. Hinton — Facts and Nobel Lecture (Nobel Prize in Physics 2024) // The Nobel Foundation. [www.nobelprize.org]
  4. Geoffrey E. Hinton — A.M. Turing Award Laureate Profile // Association for Computing Machinery (ACM). [amturing.acm.org]