Geoffrey Hinton

2023년의 위험 경고에서 2025년의 정렬 처방으로 이동. 통제·복종 기반 정렬 전략에 대한 정면 회의론

정성적 경고를 수치로 전환. 이후 p(doom) 논쟁에서 가장 널리 인용되는 기준값

딥러닝 창시자 중 한 명의 공개 입장 전환. AI 실존 위험 논의가 주변부에서 주류 언론으로 이동한 분기점

배치에 의존하지 않는 정규화. Transformer가 채택하며 사실상 기본 부품이 됨

큰 모델의 지식을 작은 모델로 옮기는 증류를 정식화. 오늘의 소형 모델 계보의 뿌리

GPU·대규모 데이터·심층 CNN의 결합을 논문으로 정착시킴. 현 딥러닝 시대의 관례적 기점

2위와의 큰 격차로 심층 CNN이 컴퓨터비전의 주류 방법론이 된 전환점

단순한 정규화로 과적합을 억제해 이후 표준 기법이 됨

서로 다른 산업 그룹이 같은 전환(HMM→DNN)을 확인해 딥러닝이 음성인식 산업 표준이 됨

이후 표준 활성함수가 되는 ReLU의 이점을 입증한 초기 논문

깊은 망을 학습시킬 수 있다는 것을 다시 보여 2000년대 딥러닝 부활의 계기가 됨

은닉층이 과제에 유용한 내부 표현을 스스로 학습함을 보여 다층 신경망 학습을 실용화