杰弗里·辛顿（Geoffrey Hinton）和普林斯顿大学的约翰·霍普菲尔德（John J. Hopfield）被广泛誉为“人工智能的奠基者”。两人因在人工神经网络领域的开创性贡献，共同获得了2024年诺贝尔物理学奖。他们利用物理学工具训练人工神经网络，为现代深度神经网络和深度学习的诞生铺平了道路。辛顿的研究和论文为当前机器学习的迅猛发展奠定了基础，支撑了从大型语言模型（如ChatGPT）到自动驾驶汽车等一系列应用。
杰弗里·辛顿自1987年起在多伦多大学担任计算机科学教授，此前曾在英国和美国的多所大学任职。多伦多大学校长梅里克·戈特勒（Meric Gertler）表示：我非常高兴代表多伦多大学祝贺杰弗里·辛顿教授获得2024年诺贝尔物理学奖，多伦多大学的全体师生为他的历史性成就感到无比骄傲。作为加拿大高级研究院（CIFAR）首批支持的研究人员之一，辛顿的工作帮助加拿大跻身全球人工智能发展的领先地位。
辛顿在周二晚上的多伦多大学新闻发布会上表示，他所取得的成就是受益于加拿大包容的学术环境和整个加拿大学术界对基于好奇心的研究的支持——加拿大在这些方面做的尤为突出。
辛顿还表示，他计划将与该奖项相关的资金捐赠给各种慈善机构，包括支持神经科学就业机会的慈善机构。他补充说，人工智能的崛起在许多方面都将是美妙的，并指出医疗保健和工作场所生产力将会是从AI技术中受益匪浅的两个领域。但我们也必须担心一些可能的不良后果，尤其是这些事情失控的威胁。
诺贝尔物理学委员会秘书乌尔夫·丹尼尔松对记者强调：人工神经网络在物理学中的研究和应用已经持续了相当长一段时间，本次诺贝尔物理学奖并非颁发给过去几年人工智能的发展，不是针对大语言模型或类似的东西，而是针对在最初阶段的基础理论创建和研究。这句话体现了诺贝尔奖的伟大之处——它非常关注开创性和前瞻性的研究。两位科学家从20世纪80年代起就在人工神经网络领域做出了重要工作。当时，杰弗里·辛顿希望机器能像人类一样自主学习和分类信息。他在1985年与同事提出了“玻尔兹曼机”的网络模型，这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。该模型通过统计物理学中的玻尔兹曼分布来识别数据中的特征，成为了现代深度学习网络的基础。2012年，辛顿与其他研究者共同发表了一篇题为「Deep Neural Networks for Acoustic Modelling in Speech Recognition」的开创性论文。这篇论文为后续的神经网络及机器学习研究提供了开创性的理论基础。
