En 1986 Geoffrey Hinton, David Rumelhart y Ronald Williams publicaron en Nature la demostración práctica de que el algoritmo de retropropagación podía entrenar redes neuronales de múltiples capas de forma eficiente. La retropropagación calcula cómo ajustar los pesos de una red propagando el error desde la salida hacia las capas anteriores mediante derivadas parciales. El artículo sacó las redes neuronales del segundo invierno de la IA y sentó la base técnica del deep learning. Hinton continuó durante décadas siendo una figura marginal en una comunidad dominada por otros enfoques, hasta que AlexNet (2012) demostró que tenía razón. En 2024 recibió el Nobel de Física junto con John Hopfield por sus contribuciones fundamentales al aprendizaje automático.