约翰·霍普菲尔德（John J. Hopfield）

概况

约翰·霍普菲尔德（John J. Hopfield）是美国物理学家，1933 年 7 月 15 日出生于伊利诺伊州芝加哥^[1][2]。他最广为人知的贡献是 1982 年发明的一种网络：它使用一种保存并重现图案的方法^[1]。2024 年，他因「使人工神经网络实现机器学习的基础性发现和发明」获得诺贝尔物理学奖的一半^[1]。获奖消息公布时，他是新泽西州普林斯顿大学的教授^[1][2]。

教育与早期研究

霍普菲尔德 1954 年在斯沃斯莫尔学院（Swarthmore College）获得物理学学士学位，1958 年在纽约州伊萨卡的康奈尔大学获得物理学博士学位^[3][2]。他的早期职业生涯在物理系度过：1961 年至 1964 年，他在加州大学伯克利分校物理系任教；1964 年至 1980 年，他在普林斯顿大学物理系任教^[3]。他早期的学术声誉来自凝聚态物理：1969 年，他与戴维·吉尔伯特·托马斯（David Gilbert Thomas）共同获得奥利弗·E·巴克利奖（Oliver E. Buckley Prize），获奖领域为凝聚态物理^[3]；1973 年，他当选美国国家科学院院士^[3]。

霍普菲尔德网络

1982 年，霍普菲尔德发明了一种使用保存并重现图案方法的网络^[1]。这个想法来自计算机科学之外。霍普菲尔德网络借用了物理学中描述材料性质如何由原子自旋产生的理论^[2]；他之所以能想到这一点，是因为物理学中已有模型描述「系统中许多小部分如何影响整体」^[1]。

这个网络用那套物理语言来描述自身。它的状态用与自旋系统能量相当的量来表示；训练的方法是设定各连接的值，使被存储的图像处在低能量的位置上^[2]。此后的「回忆」过程就像让系统顺着山坡往下滑：给定一幅失真或不完整的图像，网络会一步步更新节点的取值，使网络的能量下降，直到停在最接近输入的已存储图案上^[2]。换句话说，描述磁体中自旋如何落进稳定排列的数学，被用来修补并找回一段记忆。

这项发明在图像分析等应用中变得重要^[1]，也成为其他研究者的起点：杰弗里·辛顿（Geoffrey Hinton）以霍普菲尔德网络为基础，用另一种方法构建了新的网络^[2]。

转向生物学

1980 年，霍普菲尔德转入加州理工学院，1980 年至 1997 年期间任化学与生物学教授^[3]。1997 年，他回到普林斯顿大学，任霍华德·A·普赖尔分子生物学教授（Howard A. Prior Professor of Molecular Biology）^[3]；2024 年获奖时，他仍在普林斯顿大学任教^[1][2]。

影响

1997 年，霍普菲尔德获得 IEEE 神经网络先驱奖（IEEE Neural Networks Pioneer Award）^[3]。2024 年的诺贝尔物理学奖表彰的是「使人工神经网络实现机器学习的基础性发现和发明」，他获得其中一半^[1]。他的贡献处在两个领域的交汇处：一位物理学家关于「许多相互作用的小部分」的思考方式，被用来处理「由简单单元组成的网络如何存储和恢复图案」这一问题。这种把网络看作一个能量随计算而下降的系统的表述，为后来神经网络的研究提供了概念语言和一个可以继续搭建的模型^[2]。