John Hopfield (nacido en 1933) es un físico y neurocientífico estadounidense que introdujo las redes de Hopfield en 1982, una forma de red neuronal recurrente que estableció un vínculo riguroso entre la física estadística y la memoria asociativa en sistemas neuronales, y que compartió el Premio Nobel de Física de 2024 con Geoffrey Hinton por descubrimientos fundamentales que permiten el aprendizaje automático con redes neuronales artificiales.
Antecedentes
Formado como físico, con un doctorado de la Universidad de Cornell, Hopfield dedicó gran parte de su carrera inicial al estudio de la física de los sólidos antes de pasar a problemas biológicos y computacionales, ocupando puestos en Princeton, Bell Labs, Caltech y, más tarde, de nuevo en Princeton. Su trayectoria interdisciplinaria, desde la física de la materia condensada hasta la neurociencia y la computación, moldeó el enfoque distintivo que aportó a la investigación de redes neuronales.
Redes de Hopfield
En un artículo de 1982, Hopfield describió un tipo de red neuronal recurrente, ahora llamada red de Hopfield, en la que las neuronas están completamente conectadas entre sí y actualizan sus estados basándose en las entradas ponderadas de todas las demás neuronas, convergiendo con el tiempo hacia patrones estables, o "atractores". Hopfield demostró que esta dinámica podía entenderse utilizando las matemáticas de los vidrios de espín de la física estadística, donde los estados estables de la red corresponden a mínimos locales de una función de energía. Esto permitía que una red funcionara como memoria direccionable por contenido, capaz de recuperar un patrón completo almacenado a partir de una señal parcial o ruidosa, una capacidad distinta del simple reconocimiento de patrones de avance directo del perceptrón. El marco basado en la energía que introdujo Hopfield influyó en generaciones posteriores de modelos, incluidas las máquinas de Boltzmann de David Rumelhart y Geoffrey Hinton, y se considera una contribución fundamental al estudio matemático de las redes neuronales y, más ampliamente, al aprendizaje profundo.
Premio Nobel de Física 2024
En octubre de 2024, Hopfield y Geoffrey Hinton fueron galardonados conjuntamente con el Premio Nobel de Física "por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales", parte de la ola más amplia de reconocimiento Nobel de 2024 para la investigación en IA que también vio a Demis Hassabis y colaboradores ganar el Premio de Química por AlphaFold. El comité del premio de física citó el uso por parte de Hopfield de herramientas de la física estadística para modelar la memoria asociativa, y la extensión de esas ideas por parte de Hinton en la máquina de Boltzmann y las posteriores redes entrenadas con retropropagación. El premio generó cierto debate dentro de la comunidad de físicos sobre si la investigación de redes neuronales constituía física en el sentido tradicional, aunque el comité enmarcó el honor en torno a los métodos físicos que empleó Hopfield más que en el campo de aplicación.
Legado
Las redes de Hopfield se consideran una de las arquitecturas fundacionales del aprendizaje profundo moderno, y la perspectiva basada en la energía que introdujeron sigue siendo un área activa de investigación, incluidos variantes modernas a veces llamadas "redes de Hopfield modernas" que se han vinculado matemáticamente con los mecanismos de atención utilizados en la arquitectura del transformador que subyace a los grandes modelos de lenguaje actuales. La carrera de Hopfield, que une la física y la computación, ejemplifica los orígenes interdisciplinarios de gran parte de la investigación contemporánea en inteligencia artificial.