杰弗里·辛顿

杰弗里·辛顿（Geoffrey Hinton，1947年生）出生于英国，是一位心理学与计算机科学交叉背景的研究者，曾长期在英国、美国求学，后任教于加拿大多伦多大学。当主流学界普遍对神经网络不抱希望时，他在数十年里坚持这一冷门方向，被誉为"人工智能教父"之一。

他最重要的贡献，是在1980年代与同行共同推广了"反向传播"（backpropagation）算法，使多层神经网络的训练成为可能；此后又在受限玻尔兹曼机、深度信念网络等方向持续探索。2012年，他与学生克里热夫斯基、苏茨克维尔提出的AlexNet在图像识别竞赛中大幅领先，被视为这一轮深度学习革命的引爆点。2018年，他与本希奥、勒昆共同获得图灵奖；2024年又获诺贝尔物理学奖，以表彰其对机器学习物理基础的贡献。

戏剧性的是，这位毕生推动AI的人，晚年却成了最受关注的风险警示者。2023年，他从谷歌离职，以便能够更自由地公开谈论人工智能的危险。他坦言："我用一个常见的理由安慰自己：如果我不做，也会有别人做"，并直言担心强大的AI可能带来失业、虚假信息泛滥乃至更深远的失控风险，甚至说"人类很可能只是智能演化中的一个过渡阶段"。

面向未来，辛顿提出的是警告而非预言：他主张应当投入大量资源研究如何让AI安全、可控，但也坦承没有人真正知道如何确保超越人类智能的系统始终与人类利益一致。这些都是对尚未发生之事的判断，存在巨大的不确定性——乐观者认为其风险被夸大，悲观者则视其为时代最重要的提醒。

作为本章"未来展望"中的在世人物，辛顿象征着一种罕见而清醒的姿态：发明者对自己亲手催生之物保持敬畏与忧虑。理解人工智能将把人类带向何方，既要看技术能做什么，也要听这些最了解技术的人发出的告诫——但最终的答案，仍未写就。