霍普菲尔德和辛顿将平分1100万瑞典克朗（约合110万美元）的奖金，以赞誉他们在运用人工神经网络进行机器学习的根底性发现和创造，这些发现为当今的机器学习运用奠定根底。

  1982年，霍普菲尔德在论文中提出了“霍普菲尔德网络”，旨在模仿人脑回忆的存储和检索进程。这个自联想回忆网络可以在部分或不完好输入下，经过动态调整神经元状况，康复完好的存储形式。

  霍普菲尔德网络的提出推进了神经网络范畴的开展，尤其是在了解回忆如安在大脑中存储和检索的机制上供给了理论结构。且它的“能量最小化”思维影响了后续许多神经网络模型的开展。

  霍普菲尔德网络被大范围的运用于神经科学、核算机科学和优化问题等范畴，尤其是在形式辨认、联想回忆和优化算法方面发挥了及其重要的效果，在推进现代AI和神经核算理论的开展上起到了关键效果。

  霍普菲尔德还对生物物理学和分子生物学做出了重要奉献，特别是在蛋白质折叠和生物体系的核算功用方面。他提出的“Hopfield Barrier”概念解说了蛋白质怎么有用找到其折叠的最低能量状况。

  霍普菲尔德网络的发现招引了一些理论物理学家参加到神经网络的研讨傍边。而辛顿就将霍普菲尔德网络的主意运用于一种新网络，这种新网络运用另一种方法：玻尔兹曼机（Boltzmann Machine）。

  玻尔兹曼机是第一个可以学习不属于输入或输出的神经元内部表明的神经网络，能学习给定数据类型的特征元素，可拿来分类图画或创立新材料，协助推进了当今机器学习的快速开展。

  辛顿的奉献为深度学习的复兴奠定了根底，使得神经网络得以在更杂乱、更大规划的数据集上进行练习，从而在图画辨认、语音辨认、自然语言处理等使命中取得了巨大的成功。

  辛顿在神经网络方面的开创性作业刻画了为当今许多产品供给动力的AI体系。2018年，辛顿与杨立昆（Yann LeCun）和约书亚本吉奥（Yoshua Bengio）一起获得了当年的图灵奖。

  值得一提的是，辛顿的团队很早就开端使用英伟达的CUDA渠道练习神经网络模型。2012年，辛顿与他的学生Alex Krizhevsky和Ilya Sutskever在CUDA渠道上练习了一个视觉辨认神经网络“AlexNet”。

  在当年闻名的ImageNet比赛中，AlexNet简直将目标辨认的错误率削减一半，重塑了核算机视觉范畴。这也让英伟达GPU+CUDA组合在深度学习范畴一举成名，为十年后股价的迸发奠定了理论根底。

  2012年末，辛顿团队三人创立了DNNresearch公司，次年该公司被谷歌买下。2016年，谷歌推出AlphaGo，在围棋上横扫了人类棋手，成为其时公认的最强AI大厂。而在前一年，Sutskever脱离了谷歌，参加创立了OpenAI并担任首席科学家。

  上一年，辛顿在社会化媒体上证明他脱离谷歌。在承受各个媒体采访时，他表明，“我对我一生所研讨的东西感到懊悔了。”杰弗里描述称，AI谈天机器人所带来的某些风险“适当恐惧”。