辛顿1947年出生在英国一个学术世家。他的父亲是一位昆虫学家，母亲是一位教师，曾外祖父是19世纪著名的数学家布尔，发明了二进制运算的布尔代数，是后世所有计算机的数学基础。他的姑父是经济学家，表姐是核物理学家，家族中还有一位名叫Everest的地理学家，珠穆朗玛峰就是以他的名字命名的。出生在这样成就斐然的家族，辛顿从小就感到“压力山大”。他的父亲性格强硬，喜欢思维清晰的人，非常讨厌听废话；他的母亲个性温和，但对孩子要求很高，她告诉辛顿：要么成为一名学者，要么就做个失败者。小时候，在父亲的影响下，辛顿对冷血动物产生了浓厚的兴趣，他们在车库挖了一个大坑，养乌龟、毒蛇、青蛙、蜥蜴等动物。辛顿喜欢在冬天把蛇装进室内的玻璃容器内观察，他对动物是怎么思考的很感兴趣，这个兴趣贯穿了他的一生。中学时，辛顿就读于一所名为克利夫顿学院的私立学校，高中毕业后，遵照家族惯例考上了剑桥大学国王学院。为了做学者，辛顿尝试了许多不同的领域，但他悲哀地发现，在每一个班里，自己都不是最聪明的人。他学过建筑，仅一天之后就放弃了这个专业，又在认真钻研数学、物理、化学、生物和哲学等多个专业后，最后选了实验心理学方向做学士毕业论文。辛顿意识到还没有人搞清楚人到底是怎么思考的，他甚至找不到可以深造的学校。那是辛顿人生充满迷茫和困惑的一段时期。换专业期间，他经常打零工。从剑桥大学毕业后，他甚至做了一年木匠，以此养活自己。1972年，辛顿进入爱丁堡大学攻读人工智能方向的研究生。当时，人工智能是一个新兴领域，占主导地位的流派是“符号人工智能”，认为用计算机语言把概念、事实、规则和例外情况告诉机器，比如，所有的鸟都会飞，但企鹅和受伤的鸟不会飞，机器就能认识客观规律。
辛顿觉得这种方式太机械了，过于看重语言规则和逻辑。蛇这些动物不懂这些，但在现实中也能做出一些“聪明”的举动，它们只是通过经验学会了如何变聪明。换言之，重要的是直觉而非理性，让机器具备智能的关键是让它们自己去学习。这种流派后来被称为“机器学习”，但当时罕有人相信。辛顿还痴迷于“神经网络”，这是一种模拟动物视网膜识别物体的网络结构，通过这种算法模型，可以帮助实现“机器学习”，但当时大家都觉得这是个笑话。他的导师每周和他见一次面，每次都在苦劝他改换研究方向，但辛顿并没有“听劝”。果然，毕业即失业，辛顿在英国找工作一直不顺利，甚至连面试机会都没有。他不得不来到美国，在加州大学圣地亚哥。分校找了一份教职，继续自己的研究。这张“冷板凳”一坐就是30多年。1982年，辛顿先是转到卡耐基梅隆大学继续做研究，之后移居加拿大，在多伦多大学研究反向传播技术。辛顿在多伦多大学圣乔治校区的桑福德·弗莱明大楼里有一间小小的办公室，每天，他都在那里安静地工作。然而，由于受到现实种种条件的制约，辛顿的研究进展并不顺利。
与此同时，他的家庭也迎来了诸多变故——辛顿的妻子因罹患癌症而去世，他的儿子得了注意力缺陷多动症和其他学习障碍。辛顿不得不每天在家和实验室之间来回奔波，工作的困顿和生活的艰辛令人到中年的他深感绝望，后来他回顾说：“我46岁就死在水里了，当时觉得到死都不会看到项目有所突破，至少要等到自己死后100年才有可能。”
不过，辛顿还是挺过了人生的至暗时刻。之前，受限于计算机处理数据的能力，神经网络的研究发展一直徘徊不前。直到2009年前后，计算机终于有了挖掘海量数据的能力，超级神经网络开始在语音和图像识别方面超越基于逻辑的人工智能。
2012年，辛顿和他的学生亚历克斯·克里泽夫斯基设计的AlexNet在ImageNet当年举办的“ImageNet大规模视觉识别挑战赛”中荣获冠军，AI革命的序幕由此拉开，辛顿也一战成名。人们突然意识到辛顿研究的超前性和重要性，他和几位坚持研究人工神经网络的科学家，也从小众的少数派，一跃成为该领域炙手可热的人物。2019年3月，辛顿和约书亚·本吉奥、杨乐昆因为对“深度学习”的贡献，共同斩获2018年度计算机界的“诺贝尔奖”——图灵奖。国际计算机学会把奖授予他们时说：“他们的方法现在是该领域的主导范式。”
OpenAI的联合创始人兼董事伊尔亚·苏茨克维（Ilya Sutskever）就曾师从过辛顿，他仍记得2000年前后在辛顿的实验室工作的时光。当时还是人工智能的“冬季”，辛顿的实验室只有10个左右学生，该领域的工作和资金都很匮乏，来自行业的资助也少得可怜。然而，就像辛顿坚信自己的研究终有用武之地一样，这群“局外人”坚信自己有一种罕见的洞察力，坚信自己是与众不同的破局者。事实证明，他们赌对了。
辛顿在科技界的影响力与日俱增。每一家大型科技公司的人工智能专家都争先恐后地运用辛顿的方法，期待做出下一个变革性发现。辛顿的学生们也在脸书、谷歌、苹果、优步以及学术界声名鹊起，他们到处传播神经网络的知识，扩散辛顿的研究成果。有人认为：“我们听说过的几乎每一个关于人工智能技术的进步，都是由30年前的一篇阐述多层神经网络的训练方法的论文演变而来，它为人工智能最近十年的发展奠定了基础，这篇论文就出自杰弗里·辛顿之手。”多伦多人工智能研究所Vector Institute的联合创始人乔丹·雅各布甚至评论说：“我们30年后再往回看，杰弗里就是人工智能领域的爱因斯坦。”
2013年，辛顿加入谷歌，继续进行AI研究，并在2017年和两位谷歌工程师取得了最新的研究突破——“胶囊神经网络”，在业界再次引起轰动。尽管取得了非凡的成就，辛顿却没有趾高气扬、志满意得，相反，他一贯行事低调，颇有几分“扫地僧”风范。刚进谷歌时，一起工作的年轻人几乎都不认识这位人工智能界的“大佬”，为此，辛顿开玩笑说：“他们看我的眼神就像看一个老年痴呆患者。”
如今，辛顿创办了一个名为“神经计算和自适应感知”（NCAP）的项目，每年都会举办多次研讨会。在研讨会上，辛顿喜欢静静地站在讲台附近。大多数情况下，他只是聆听，偶尔会打断演讲，提出一两个问题，鼓励各界智囊团发问并及时探讨。坚韧、冷静、谦逊，这大概就是“AI教父”让人折服的风范。
