在繁荣发展的深度学习领域中，辛顿是一位先驱人物，他曾领导多伦多大学的一个科学家团队开发出了一些关键算法，这些算法被神经网络系统用于海量数据的运算分析，借此自我训练以鉴别各种模式，从而模仿人类大脑处理某些任务的方式，如驾驶汽车、分析潜在的金融交易或利用医学图像来诊断疾病等。
他说道，自2012年以来，这个领域已经取得了繁荣的发展，当时神经网络的进步令谷歌得以为其Android移动设备增添了语音识别功能，研究人员则利用这种技术来降低光学识别的出错率。辛顿还表示，神经网络可自我学习执行复杂操作，这就意味着其开发者不可能确切地告知政府监管机构这种系统是如何运作的。他说道：“你所需要的只是有关正确答案是什么的海量数据和信息，让后就可教会一个庞大的神经网络去做你想做的事情。”
深度学习还正接近于彻底改革某些疾病的诊断方式。辛顿表示，已经学习了以百万计算的医学图像的神经网络将可作出比一部分医师更精确的诊断。他预测，利用神经网络来检测皮肤损伤图像的移动
应用将被开发出来，这种应用将可建议用户去看医生，以便在如有必要时做活组织检查。他说道：“我们想要让机器变得更好。”
