再给我六个月，我会向你证明它是有效的

诺贝尔物理奖得主 Geoffrey Hinton的教育历程及其对学生的启示 Geoffrey Hinton， 出生于 1947 年，通过反向传播算法和深度学习模型等创新彻底改变了人工智能。 是一位英裔加拿大认知心理学家和计算机科学家，他独特的投入确保了对深度学习先驱人工智能的发展做出了基础性贡献。 Hinton 被称为 “人工智能教父” ，他的工作改变了现代机器学习的格局。 早期教育与多元兴趣 Hinton于1947年出生在伦敦，在一个充满知识氛围的家庭中长大，家族中有许多数学和科学领域的杰出人物 。其亲戚包括数学家 Mary Everest Boole 和逻辑学家 George Boole ，他们的工作对现代计算机科学至关重要；外科医生 James Hinton ；以及测量员 George Everest ，他以他的名字命名了这座山峰（西方称：EVERES T(埃佛勒斯峰),珠 穆朗玛峰 ）。 ( EVERES T(埃佛勒斯峰),珠 穆朗玛峰 )

Hinton 于 1970 年在剑桥大学获得 实验心理学学士学位 。1978 年在爱丁堡大学获得 人工智能 博士学位 。他早期的大部分工作是在苏塞克斯大学和加州大学圣地亚哥分校进行博士后工作。1982 年，他开始在卡内基梅隆大学工作，与 David Rumelhart 和 Ronald J. Williams 合作开发了反向传播算法，这是训练前馈神经网络的关键方法。 国家算法，训练神经网络的关键方法。

Hinton 的研究带来了人工智能领域的众多突破，特别是在神经网络领域。他介绍了几个有影响力的概念，包括： 反向传播：该算法允许神经网络通过根据误差梯度调整权重来学习。 玻尔兹曼机：一种随机循环神经网络。 深度置信网络：一类在图像和语音识别技术中至关重要的深度学习模型。

高等教育与专业化 20 世纪 70 年代，人工智能经历了一段低迷的时期，现在被称为 “ 人工智能寒冬 ” 。 在这个不流行的领域，Hinton 追求一个不受欢迎的想法： 称为神经网络的人工智能系统，它模仿人脑的结构。 他的导师 每周都敦促他改变他的方法 。 每次他都会 回答： “再给我六个月，我会向你证明它是有效的。” 迎接挑战：他在为研究获得资金方面面临的挑战强调了追求创新思想往往需要克服重大障碍。学生应为挫折做好准备，但要始终关注自己的目标。 职业发展与影响 Hinton 主要在多伦多大学担任过各种学术职务，为 AI 领域做出了重大贡献。 (多伦多大学（University of Toronto）位于加拿大多伦多，建校于1827年) Geoffrey Hinton及其两名研究生 Alex Krizhevsky和Ilya Sutskever 于2012年在多伦多大学成立 DNNresearch 。该公司专注于深度神经网络的研究，旨在推动语音识别、计算机视觉和语言理解等领域的进步 。 （ Ilya Sutskever： OpenAI的联合创始人及首席科学家 ） 跨学科合作：在整个职业生涯中，Hinton与各领域专家合作，这丰富了他的研究。这说明团队合作和寻求多元视角在解决问题中的重要性。 持续学习：Hinton的历程反映了对终身学习的承诺。他共同创立了DNNresearch， 该公司被 Google 收购，并担任副总裁兼工程研究员至 2023 年。由于他的杰出贡献，他获得了 2018 年图灵奖和 2010 年格哈德·赫茨伯格加拿大金奖等。 对当今学生的启示 1. 广泛探索 ：像Hinton一样，学生应当感到有权探索不同的学术兴趣，然后再选择专业。 2. 保持韧性 ：面对挑战时，坚持不懈是至关重要的。将挫折视为成长机会。 3. 合作与网络建设 ：与各学科同行建立关系可以带来创新解决方案和新机会。 4. 致力于终身学习 ：知识领域不断发展；保持好奇心和适应能力对于个人和职业发展至关重要。 通过反思Geoffrey Hinton的教育历程，学生可以从他的经历中汲取灵感，并将这些教训应用于他们自己在学术及其他领域的发展过程中。 end 往期内容：

我们还可以用核能吗？

我们的月球航天服

海王星的数学预测