辛顿的学术成就斐然，包括证明反向传播算法、发明玻尔兹曼机以及改进卷积神经网络，这些成就为现代AI技术的发展奠定了坚实基础。他研发的深度卷积神经网络AlexNet在2012年ImageNet图像识别大赛中夺冠，这一胜利不仅标志着AI研究从符号学向神经网络的转变，还直接推动了人脸识别技术的广泛应用。
对于诺贝尔奖为何颁发给这两位人工智能科学家，官方解释称，他们的贡献在于利用物理学工具开发了当今机器学习的基础方法。霍普菲尔德创造的联想记忆能够存储和重建图像等数据模式，而辛顿则发明了一种能够自主发现数据属性的方法，从而执行如图片中特定元素的识别等任务。
辛顿的工作在很大程度上是建立在霍普菲尔德的研究基础之上的。霍普菲尔德从物理学中磁性物质原子自旋的灵感出发，创建了“Hopfield网络”。而辛顿则在此基础上，使用统计物理的方式将其扩展为玻尔兹曼机，这是一种能够从给定示例中学习而非从指令中学习的神经网络。
尽管玻尔兹曼机最初效率不高，但辛顿并未放弃，最终在2006年开发出了一种预训练方法，优化了网络训练，使其能够识别图片中的元素。这一成就不仅推动了深度神经网络的发展，还为当今的个性化推荐系统等技术奠定了基础。
辛顿的学术生涯充满了传奇色彩。他不仅在人工智能领域取得了杰出成就，还因其对AI风险的担忧而从谷歌离职。他强调，尽管AI技术带来了巨大的进步，但也需要关注其可能带来的负面影响，并确保其发展处于可控范围内。
在诺贝尔奖的连线现场，辛顿表示：“人工智能的影响将与工业革命相媲美，但不同的是，它将在智力上超越人类。我们需要关注如何合理控制这项技术的发展，以确保它不会产生无法预见的负面后果。”
