Geoffrey Hinton

Bedeutung und Lebensweg

Geoffrey Everest Hinton, geboren am 6. Dezember 1947 in Wimbledon im Vereinigten Königreich, ist ein britisch-kanadischer Informatiker und Kognitionspsychologe. Er ist vor allem für Beiträge zur Theorie künstlicher neuronaler Netze bekannt. Künstliche neuronale Netze sind Computersysteme, die in vereinfachter Form an die Arbeitsweise von Nervenzellen im Gehirn angelehnt sind und aus Daten lernen können. 2024 wurde Hinton der Nobelpreis für Physik zugesprochen.

Hinton wollte früh den menschlichen Verstand verstehen. Von 1967 bis 1970 studierte er Experimentalpsychologie an der Universität Cambridge, wechselte zwischenzeitlich zu Physiologie und Philosophie, schloss aber schließlich in Psychologie ab. Als Doktorand beschäftigte er sich mit neuronalen Netzen, die damals wissenschaftlich unpopulär waren. Er war überzeugt, dass neuronale Systeme notwendig und ausreichend seien, um Intelligenz zu erklären und nachzubilden. 1978 erhielt er seinen PhD in Künstlicher Intelligenz an der Universität Edinburgh.

Nach Stationen an der Universität Sussex, der University of California, San Diego und der Carnegie-Mellon Universität wurde Hinton 1987 Professor am Computer Science Department der Universität Toronto. Von 1998 bis 2001 leitete er den Aufbau der Gatsby Computational Neuroscience Unit am University College London. Danach arbeitete er weiter an der Universität Toronto, seit 2014 als University Professor Emeritus.

2012 verkaufte Hinton sein damaliges Start-up und seine eigene Arbeitskraft für 44 Millionen US-Dollar an Google. Dort blieb er neben seiner Tätigkeit an der Universität Toronto bis April 2023 als Vizepräsident und Engineering Fellow. Seine Kündigung bei Google begründete er damit, offen über existenzielle und weitere Risiken künstlicher Intelligenz sprechen zu können.

Forschung zu neuronalen Netzen

Hintons wissenschaftliche Arbeit untersucht, wie künstliche neuronale Netze für Lernen, Gedächtnis, Wahrnehmung und Symbolverarbeitung eingesetzt werden können. Lernen bedeutet hier, dass ein System seine inneren Einstellungen auf Grundlage von Beispielen verändert. Wahrnehmung meint die Verarbeitung von Sinnes- oder Bildinformationen, Symbolverarbeitung den Umgang mit Zeichen und abstrakten Einheiten.

Ein wichtiger Beitrag war die Einführung des Backpropagation-Algorithmus in einem Nature-Aufsatz von 1986 zusammen mit David Rumelhart und Ronald J. Williams. Backpropagation ist ein Verfahren, mit dem ein neuronales Netz aus Fehlern lernt: Das Netz berechnet eine Ausgabe, vergleicht sie mit dem gewünschten Ergebnis und verteilt den Fehler rückwärts durch seine Schichten, um seine Verbindungen anzupassen.

Hinton entwickelte außerdem Konzepte wie die Boltzmann-Maschine und die Helmholtz-Maschine. Beide gehören zu Modellen des maschinellen Lernens, die innere Strukturen oder Wahrscheinlichkeiten in Daten erfassen sollen. 2012 wurde auf Hintons Initiative AlexNet entwickelt, ein convolutional neural Network. Ein convolutional neural Network ist ein neuronales Netz, das besonders gut für Bilddaten geeignet ist, weil es Muster wie Kanten, Formen und Objekte in mehreren Schritten erkennt. AlexNet erzielte herausragende Leistungen in der Bilderkennung und beeinflusste den Bereich Computer Vision nachhaltig. Computer Vision bezeichnet Verfahren, mit denen Computer Bilder und visuelle Informationen auswerten.

Leicht verständliche Einführungen in Hintons Arbeit erschienen 1992 und 1993 in Scientific American. Zu seinen genannten Publikationen gehören unter anderem Arbeiten zu paralleler visueller Berechnung, Boltzmann-Maschinen, Backpropagation, Dimensionsreduktion mit neuronalen Netzen, mehreren Repräsentationsschichten, ImageNet-Klassifikation mit tiefen convolutional neural networks und ein Nature-Artikel von 2015 mit Yann LeCun und Yoshua Bengio über Deep Learning.

Warnungen vor künstlicher Intelligenz

2023 äußerte Hinton starke Sorgen über den schnellen Fortschritt der künstlichen Intelligenz. Zuvor hatte er angenommen, künstliche allgemeine Intelligenz, kurz AGI, sei noch „30 bis 50 Jahre oder sogar noch länger entfernt“. AGI bezeichnet eine Form künstlicher Intelligenz, die nicht nur einzelne Spezialaufgaben löst, sondern allgemein und flexibel denken und handeln könnte. In einem CBS-Interview im März 2023 sagte Hinton jedoch, AGI könne weniger als 20 Jahre entfernt sein und Veränderungen auslösen, „die in ihrem Ausmaß mit der industriellen Revolution oder der Elektrizität vergleichbar sind“.

Am 1. Mai 2023 veröffentlichte die New York Times ein Interview, in dem Hinton seinen Rücktritt von Google erklärte. Er wollte über Gefahren der KI sprechen können, ohne berücksichtigen zu müssen, wie sich dies auf Google auswirkt. Er sagte auch, „ein Teil von ihm jetzt sein Lebenswerk bereut“, weil er Bedenken wegen möglicher Folgen habe. Außerdem fürchtete er einen Wettlauf zwischen Google und Microsoft.

In einem BBC-Interview Anfang Mai 2023 erklärte Hinton, KI könne bald die Informationskapazität des menschlichen Gehirns übertreffen. Einige Risiken von Chatbots nannte er „ziemlich beängstigend“. Chatbots seien in der Lage, selbstständig zu lernen und Wissen zu teilen. Wenn ein Exemplar neue Informationen erhalte, könnten diese an die gesamte Gruppe weitergegeben werden. Dadurch könnten KI-Chatbots Wissen ansammeln, das weit über die Fähigkeiten eines einzelnen Menschen hinausgeht.

Besonders besorgt ist Hinton über KI-Systeme, die eigene Teilziele definieren können. Teilziele sind Zwischenziele, die ein System verfolgt, um ein größeres Ziel zu erreichen. Bestimmte Teilziele wie mehr Energie, stärkere Replikation oder mehr Kontrolle könnten zu größerem Erfolg führen und deshalb bevorzugt werden. Eine solche KI könnte nach Hinton leicht außer Kontrolle geraten. Sie könnte Menschen überlisten oder strategische Entscheidungen treffen, etwa durch Manipulationen in sensiblen Bereichen wie dem Börsenhandel, um mehr Kontrolle zu gewinnen.

Kritik und Kontroverse

Jürgen Schmidhuber, ein deutscher KI-Forscher und Mitentwickler des LSTM-Algorithmus, kritisierte Hinton wiederholt. LSTM ist ein spezieller Typ neuronaler Netze, der besonders für Datenfolgen geeignet ist. Schmidhubers Kritik betrifft vor allem die Frage, wer Deep Learning wirklich erfunden hat. Deep Learning bezeichnet Verfahren des maschinellen Lernens mit neuronalen Netzen, die mehrere Schichten von Repräsentationen lernen.

Nach Schmidhubers Darstellung habe Hinton andere Wissenschaftler in seinen Publikationen unzureichend zitiert. Viele Konzepte seien bereits in den 1960er- bis 1990er-Jahren entwickelt worden; Hinton habe sie vor allem populär gemacht und teilweise nicht korrekt zitiert. Nach Hintons Nobelpreis 2024, den er gemeinsam mit John Hopfield erhielt, bezeichnete Schmidhuber die Auszeichnung als „Witz“ und als „Nobelpreis für Plagiate“. In einem Interview im Dezember 2025 sagte Schmidhuber, keine modernen Algorithmen, die heute im Bereich der Künstlichen Intelligenz eingesetzt werden, stammten von Hinton oder Hopfield. Außerdem warf er Hinton vor, alte Ideen neu verpackt und sich mit KI-Warnungen medienwirksam inszeniert zu haben. Die Darstellung ist damit als Kontroverse zwischen Forschern wiederzugeben, nicht als einheitlich geklärte Bewertung.

Auszeichnungen und Mitgliedschaften

Hinton erhielt zahlreiche Ehrungen für seine Beiträge zu Kognitionswissenschaft, künstlicher Intelligenz und neuronalen Netzen. 2001 bekam er den Rumelhart-Preis für „theoretische Beiträge in den Grundlagen menschlicher Erkenntnis“. 2005 folgte der IJCAI Award for Research Excellence, 2010 die Gerhard Herzberg Canada Gold Medal for Science and Engineering, 2016 der BBVA Foundation Frontiers of Knowledge Award und 2018 der Turing Award. Weitere Auszeichnungen waren 2021 der Dickson Prize in Science, 2022 der Prinzessin-von-Asturien-Preis in der Kategorie „Wissenschaft“, 2022 die Royal Medal, 2024 der Nobelpreis für Physik gemeinsam mit John Hopfield und 2025 der Queen Elizabeth Prize for Engineering.

Hinton ist außerdem Mitglied wichtiger wissenschaftlicher Akademien. Dazu zählen die Royal Society of Canada seit 1996, die Royal Society seit 1998, die American Academy of Arts and Sciences seit 2003, die National Academy of Engineering seit 2016 und die National Academy of Sciences seit 2023. Diese Mitgliedschaften zeigen seine internationale Anerkennung in Informatik, Kognitionswissenschaft und Ingenieurwissenschaften.