生平、技术与立场转向时间线

如何阅读这条时间线

原型把技术里程碑、安全立场与公众身份并排展示。迁移稿沿用这一结构，但不把“后来的影响”自动归于起点论文；论文署名按共同作者处理。

1947–1982：跨学科训练与认知科学

Hinton 1947 年生于伦敦，1970 年获剑桥大学实验心理学学士，1978 年获爱丁堡大学人工智能博士。其公开 CV 还列出 Sussex 认知研究项目、UCSD 认知科学项目和剑桥 MRC 应用心理学部等早期职位 ^[1]。这些经历说明他的研究长期跨越计算、心理与神经科学，但“因此必然形成后来观点”只能算回顾性解释。

1983–1986：玻尔兹曼机与反向传播

Ackley、Hinton 与 Sejnowski 的玻尔兹曼机工作用能量和随机采样描述学习；Rumelhart、Hinton 与 Williams 1986 年的论文展示了反向传播如何让隐藏层学习内部表示 ^{[2] [3]}。Hinton 在 2024 年诺奖演讲中回顾：他当年更看好玻尔兹曼机路线，但其平衡采样过慢，反向传播成为工程主线 ^[4]。

1987–2001：多伦多、长期资助与 UCL Gatsby

公开 CV 记载 Hinton 1987 年赴多伦多大学，1998–2001 年任 UCL Gatsby 计算神经科学部创所所长，之后返回多伦多 ^[1]。原型把 CIFAR 的长期支持视为神经网络低潮期的重要制度条件；这一影响判断应与履历事实分开阅读。

1991–2008：分解、表示与无监督学习

• 1991 年混合专家模型用门控网络让多个专家分工 ^[5]。
• 1995 年 Wake-Sleep 算法与 Helmholtz Machine 是两篇不同论文，作者顺序和对象不同 ^{[6] [7]}。
• 2002 年对比散度以短链近似训练 Products of Experts ^[8]。
• 2006 年深度置信网以逐层预训练降低深网优化难度；同年深度自编码器把预训练用于降维 ^{[9] [10]}。
• 2008 年 t-SNE 用重尾低维分布缓解拥挤问题 ^[11]。

这些工作共同关注“知识如何表示、分解和学习”，但不能据此宣称后来的所有自监督或嵌入方法都是单线继承。

2009–2015：感知突破与产业化

AlexNet 在 ImageNet 2012 中以 GPU 卷积网络、ReLU、数据增强和 Dropout 显著降低错误率，作者为 Krizhevsky、Sutskever 与 Hinton ^[12]。三人创办的 DNNresearch 后被 Google 收购，这一事实由多伦多大学公告记录 ^[13]。

2014 年 Dropout 论文系统描述训练期随机屏蔽单元的正则方法 ^[14]。2015 年知识蒸馏论文让学生匹配教师的软目标分布，并用温度暴露类别间关系 ^[15]。

2017–2022：胶囊、GLOM 与 Forward-Forward

胶囊网络以向量活动与动态路由表达部分—整体关系；它在小规模任务展示了姿态编码，但没有取代卷积或注意力主线 ^[16]。GLOM 是 Hinton 对部分—整体层级表示的立场性方案，不是完成了规模化验证的系统 ^[17]。

Forward-Forward 以正、负两次前向和逐层局部目标替代全局反向传播，主要动机包括生物合理性与未知模拟硬件 ^[18]。原型把它规模化受限视为 Hinton 思想转向的背景；这部分来自他后来的自述，不应写成论文自身的结论 ^[19]。

2017–2024：机构与荣誉

Hinton 自 2017 年起担任 Vector Institute 首席科学顾问。ACM 于 2019 年公布 Hinton、Yann LeCun、Yoshua Bengio 获 2018 年图灵奖；2024 年诺贝尔物理学奖授予 John Hopfield 与 Hinton ^{[1] [20] [21]}。

2023：离开 Google 并公开预警

2023 年，Hinton 离开 Google，并公开说明这样做是为了能更自由地谈 AI 风险，而非指控 Google 不负责任 ^{[22] [23]}。在 Two Paths to Intelligence 演讲中，他把立场变化归因于对数字计算、知识共享与学习算法的重新判断 ^[19]。

原型用“从大脑更优到数字更优”概括这一转向：

早期默认	2023 年后判断
大脑可能有比反向传播更好的学习算法	反向传播可能就是更高效的学习机制
生物智能是黄金标准	数字系统可复制权重并快速共享更新
超人智能仍很遥远	时间窗被收窄，但 Hinton 明言自己没有把握

Hinton 同年签署 CAIS 的一句话 AI 灭绝风险声明，但没有签署“暂停六个月”公开信。两件事并不矛盾：前者是风险优先级判断，后者涉及暂停是否可执行 ^{[24] [19]}。

2024：诺奖与治理参与

Hinton 与多位作者在 Science 联名提出极端 AI 风险管理建议；这是共同署名材料，不代表每句话都可视为他的个人原话 ^[25]。诺奖演讲回顾玻尔兹曼机的贡献与局限，晚宴致辞同时谈生产力、短期危害与长期风险 ^{[4] [26]}。

诺奖官方访谈中，他给出“未来 5–20 年出现比人更聪明 AI”约 50% 机会的主观猜测，并随即改口为“4–19 年”；他明确这是猜测而非测量 ^[27]。这类数字是预测，不是模型测量结果。

2025–2026：母性比喻与治理方向

2025 年公开材料中，Hinton提出应让更强的 AI “在乎”人类，并用母亲照顾婴儿作关系模板；他同时承认不知道如何工程实现 ^{[28] [29]}。

原型还追踪到 2026 年关于“刹车与方向盘”的治理表述。由于该部分对应未来时间点且迁移时未独立打开原始视频或官方全文，本稿只保留为待核查线索，不把精确日期、百分比或逐字句纳入事实结论。