Hinton [hi'ntən], Geoffrey, britansko-kanadski istraživač računalstva (Wimbledon, 6. XII. 1947). Diplomirao je psihologiju na Sveučilištu u Cambridgeu 1970., a doktorirao u području umjetne inteligencije na Sveučilištu u Edinburghu 1978. Radio je na Sveučilištu u Sussexu (1976–78), Kalifornijskom sveučilištu u San Diegu (1978–80), Sveučilištu u Cambridgeu (1980–82), Sveučilištu Carnegie-Mellon u Pittsburghu (1982–87), Sveučilištu u Torontu (1987–98. i 2001–13), Sveučilišnom koledžu u Londonu (1998–2001) i u Googleu (2013–23).
S pomoću alata iz statističke fizike i Boltzmannovih strojeva (→ boltzmannova statistika) konstruirao je metode koje su pomogle utemeljenju strojnoga učenja, pamćenja, prepoznavanja govora i obradbe simbola. Istraživao je načine uporabe povratnih (rekurentnih) neuronskih mreža, osmišljavao algoritme za neuronske mreže za samostalno učenje (bez pomoći ljudskog učitelja). Pridonio je istraživanju umjetne inteligencije ključnim otkrićima u području povratnoga širenja, prvi je rabio povratno širenje za učenje umetanja riječi distribuiranih prikaza i neuronskih mreža s vremenskom odgodom. Za razliku od Hopfieldovih mreža koje pohranjuju uzorke i ispravljaju pogreške u uzorcima (npr. pri provjeri pravopisa), njegovi Boltzmannovi strojevi mogu generirati nove uzorke. Izumio je metodu koja može neovisno otkriti svojstva podataka i koja je postala važna za velike umjetne neuronske mreže i za duboko učenje. Smišljao je zagonetke za ispitivanje kreativnosti umjetne inteligencije. Usporedio je učinke oštećenja ljudskoga mozga s učincima gubitaka podataka u neuronskoj mreži i pronašao zapanjujuće sličnosti poput gubitka prepoznavanja naziva i kategorizacije.
Član je Royal Society of Canada (od 1996), Royal Society (od 1998), Američke akademije umjetnosti i znanosti (od 2003), Nacionalne akademije znanosti SAD-a (od 2023). Izrazio je zabrinutost (2023) da će umjetna inteligencija dugoročno izmaknuti kontroli, osobito zbog njezine moći stvaranja lažnog sadržaja. Za temeljna otkrića i izume koji omogućuju strojno učenje s pomoću umjetnih neuronskih mreža s Johnom Hopfieldom dobio je Nobelovu nagradu za fiziku 2024.
