他说:“很多新闻头条都在说，我认为现在应该停止这种做法，但我从来没有说过。”“首先，我认为这是不可能的，我认为我们应该继续开发它，因为它可以做很多很棒的事情。但我们也应该付出同样的努力来减轻或防止可能的不良后果。”
辛顿说，他离开谷歌并不是为了抗议谷歌对这种新型人工智能的处理方式。他说，事实上，尽管该公司在该领域处于领先地位，但行动相对谨慎。谷歌的研究人员发明了一种被称为变压器的神经网络，它对PaLM和GPT-4等模型的开发至关重要。
20世纪80年代，多伦多大学(University of Toronto)教授辛顿(Hinton)与一名研究人员一起，试图用数据训练人工神经网络，而不是用传统方式对其进行编程，从而赋予计算机更大的智能。网络可以消化像素作为输入，当它们看到更多的例子时，调整连接粗糙模拟神经元的值，直到系统能够识别图像的内容。多年来，这种方法显示出了一些希望，但直到十年前，它的真正力量和潜力才显现出来。
2018年，Hinton因其在神经网络方面的工作而获得了计算机科学领域最负盛名的奖项。他和另外两位先锋人物——meta的首席人工智能科学家和蒙特利尔大学的教授——一起获得了该奖。
那时，新一代的多层人工神经网络——输入大量的训练数据并在功能强大的计算机芯片上运行——突然之间比任何现有的程序都要好得多。
这一技术开启了人工智能的复兴，大型科技公司纷纷招募人工智能专家，构建越来越强大的深度学习算法，并将其应用于、、和等产品。
收购了他的公司DNNResearch，该公司旨在将他的大学实验室的深度学习理念商业化。两年后，欣顿的一名研究生伊利亚·苏斯克沃(Ilya Sutskever)离开了这家搜索公司，与人共同创建了OpenAI，以抗衡大型科技公司在人工智能领域积聚的力量。
自成立以来，OpenAI一直专注于扩大神经网络的规模、它们消耗的数据量以及它们消耗的计算机功率。2019年，该公司重组为一家有外部投资者的营利性公司，后来从微软那里获得了100亿美元。它开发了一系列非常流畅的文本生成系统，这些系统为ChatGPT的高级版本提供动力，并具有执行似乎需要推理和常识的任务的能力。
辛顿认为，我们已经拥有了一种具有破坏性和不稳定性的技术。正如其他人所做的那样，他指出了一种风险，即更先进的语言算法将能够发动更复杂的错误信息运动，并干预选举。