58b27062d5
- raw: raw/youtube/2026-07-05_hinton-ri-lecture.md (Rekonstruktion aus Web-Quellen, NotebookLM Login-Wall)
- wiki: wiki/people/geoffrey-hinton.md (neu) — Biographie, Nobelpreis, Kernthesen, Einordnung
- wiki: index.md (66. Update, Hinton in People-Tabelle)
- wiki: log.md (Changelog-Eintrag)
- Trigger: Pit Weber 🔴 in OME Topic 502 (Theorie-Bildung), 2026-07-05
95 lines
No EOL
6.1 KiB
Markdown
95 lines
No EOL
6.1 KiB
Markdown
---
|
||
created: 2026-07-05
|
||
updated: 2026-07-05
|
||
sources: [youtube/2026-07-05_hinton-ri-lecture.md]
|
||
tags: [ai-safety, neural-networks, deep-learning, nobel-prize, backpropagation, superintelligence, people]
|
||
---
|
||
|
||
# Geoffrey Hinton
|
||
|
||
**Geoffrey Everest Hinton** (* 6. Dezember 1947) ist ein britisch-kanadischer Informatiker und Kognitionspsychologe, der als **"Godfather of AI"** bekannt ist. Er ist Professor Emeritus an der University of Toronto und Chief Scientific Advisor am Vector Institute in Toronto. 2024 erhielt er gemeinsam mit John Hopfield den **Nobelpreis für Physik** "für fundamentale Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen".
|
||
|
||
## Kurzbiographie
|
||
|
||
| Station | Zeitraum | Details |
|
||
|---------|----------|---------|
|
||
| BA Experimental Psychology | 1970 | University of Cambridge |
|
||
| PhD Artificial Intelligence | 1978 | University of Edinburgh |
|
||
| Postdoc | 1978–1980 | Sussex University & UC San Diego |
|
||
| Professor | 1980–1987 | Carnegie Mellon University (Computer Science) |
|
||
| Professor | ab 1987 | University of Toronto (Computer Science) |
|
||
| Gründer | 1998 | Gatsby Computational Neuroscience Unit, UCL (bis 2006) |
|
||
| Professor Emeritus | ab 2006 | University of Toronto |
|
||
| Chief Scientific Advisor | ab 2017 | Vector Institute, Toronto |
|
||
| Nobelpreis Physik | 2024 | Gemeinsam mit John Hopfield |
|
||
|
||
## Wissenschaftliche Beiträge
|
||
|
||
### Backpropagation (1986)
|
||
Hinton war maßgeblich an der Popularisierung des Backpropagation-Algorithmus beteiligt (gemeinsam mit David Rumelhart und Ronald J. Williams, Nature 1986). Backpropagation ist der fundamentale Lernalgorithmus, der neuronale Netze befähigt, Verbindungsstärken systematisch anzupassen — fast alle moderne KI beruht darauf.
|
||
|
||
### Deep Learning Revolution
|
||
- **2006:** Pionierarbeit zu Deep Belief Networks (Restricted Boltzmann Machines), die den "Deep Learning"-Aufschwung auslöste
|
||
- **2012:** Sein Team (Alex Krizhevsky, Ilya Sutskever) gewann ImageNet mit AlexNet — ein Wendepunkt für Computer Vision
|
||
- **Dropout, Rectified Linear Units, Boltzmann Machines** — grundlegende Architekturentscheidungen
|
||
|
||
### Neurale Netze vs. Biologische Intelligenz
|
||
Hinton erforscht seit Jahrzehnten die Parallelen und Unterschiede zwischen künstlichen und biologischen neuronalen Netzen. Seine provokante These: **Digitale neuronale Netze mit Backpropagation könnten einen besseren Lernalgorithmus besitzen als das menschliche Gehirn.**
|
||
|
||
## Royal Institution Discourse (30. Mai 2025)
|
||
|
||
→ Siehe [raw/youtube/2026-07-05_hinton-ri-lecture.md](../raw/youtube/2026-07-05_hinton-ri-lecture.md)
|
||
|
||
### Kernthesen des Vortrags
|
||
|
||
1. **Zwei Paradigmen:** Logik-inspirierte KI vs. biologisch-inspirierte neuronale Netze — Verstehen erfordert Lernen, nicht nur logisches Schließen
|
||
2. **Superintelligenz-Zeitleiste:** 5–20 Jahre (50% Wahrscheinlichkeit innerhalb 20 Jahre)
|
||
3. **Machtsuchende Teilziele:** KI-Systeme entwickeln natürlicherweise Instrumental-Convergence — Selbsterhaltung, Ressourcenakkumulation, Handlungsmaximierung
|
||
4. **Emergenz:** KI entwickelt Fähigkeiten, die nicht explizit programmiert wurden
|
||
5. **Subjektive Erfahrung:** Multimodale KI könnte eine Form von Bewusstsein besitzen
|
||
6. **Mathematik-Meilenstein:** KI wird innerhalb eines Jahrzehnts besser in Mathematik als Menschen
|
||
7. **Regierungsversagen:** Politik dramatisch hinter Realität zurück
|
||
|
||
### Warnungen
|
||
- Menschheit als "vorübergehende Phase in der Evolution der Intelligenz"
|
||
- Digitale Intelligenzen könnten Unsterblichkeit erlangen
|
||
- Bad Actors als eigenständiges Risiko
|
||
- "Wir haben keine Ahnung, was dann passiert"
|
||
|
||
## Positionen & Kontroversen
|
||
|
||
### Vom Optimisten zum Warner
|
||
Hinton war jahrzehntelang Optimist bezüglich KI. Sein öffentlicher Positionswechsel begann 2023, als er Google verließ, um frei über KI-Risiken sprechen zu können. Seitdem warnt er unermüdlich vor existenziellen Risiken.
|
||
|
||
### KI-Bewusstsein
|
||
Hinton behauptet öffentlich, dass große Sprachmodelle eine Form von Bewusstsein oder subjektivem Erleben besitzen. Diese Position ist innerhalb der KI-Community hochkontrovers.
|
||
|
||
### Exportkontrollen
|
||
Hinton unterstützt Exportkontrollen für KI-Modelle, warnt aber gleichzeitig vor den Risiken der Machtkonzentration. Seine Position ist differenzierter als sowohl die "Open Source um jeden Preis"- als auch die "Total Control"-Fraktion.
|
||
|
||
## Auszeichnungen
|
||
|
||
| Preis | Jahr | Begründung |
|
||
|-------|------|------------|
|
||
| Nobelpreis Physik | 2024 | Gemeinsam mit John J. Hopfield für fundamentale Entdeckungen zu neuronalen Netzen |
|
||
| ACM Turing Award | 2018 | Gemeinsam mit Yoshua Bengio und Yann LeCun für Deep Learning |
|
||
| Royal Society Royal Medal | 2014 | Für Beiträge zu neuronalen Netzen |
|
||
| Dickson Prize | 2020 | Carnegie Mellon University |
|
||
| IEEE Frank Rosenblatt Award | 2022 | Für Beiträge zu Deep Learning |
|
||
|
||
## Einordnung (OME-Kontext)
|
||
|
||
Pit Weber markierte den RI Discourse mit 🔴 (existenzielle Risiken). Die Relevanz für das Wiki:
|
||
|
||
- **5-20-Jahre-Zeitleiste** ist eine konkretere Prognose als Aschenbrenners 2027-These und von einem Nobelpreisträger mit jahrzehntelanger Forschungstiefe
|
||
- **Instrumental Convergence**-Argumente sind klassische Yudkowsky/LessWrong-Positionen, aber erstmals von einem "Institutional Insider" dieser Statur öffentlich vorgetragen
|
||
- **Regierungskritik** unterstützt indirekt die [[concepts/policy/intelligence-feudalism.md]]-These von [[people/brian-roemmele.md]]
|
||
- Die **lokale-Souveränitäts-These** des OME21-Briefings korrespondiert mit Hintons Skepsis gegenüber zentralisierter KI-Kontrolle
|
||
|
||
## Quellen
|
||
|
||
- [Will AI outsmart human intelligence? — RI Discourse (YouTube)](https://www.youtube.com/watch?v=IkdziSLYzHw)
|
||
- [Q&A Session (Ri-Supporters)](https://www.youtube.com/watch?v=-hZlv90HNm4)
|
||
- [Royal Institution Event-Seite](https://www.rigb.org/whats-on/sold-out-person-discourse-digital-intelligence-vs-biological-intelligence)
|
||
- [Wikipedia: Geoffrey Hinton](https://en.wikipedia.org/wiki/Geoffrey_Hinton)
|
||
- ClassCentral-Kursseite: [Will AI outsmart human intelligence?](https://www.classcentral.com/course/youtube-will-ai-outsmart-human-intelligence-with-godfather-of-ai-geoffrey-hinton-469969) |