John Hopfield (nascido em 1933) é um físico e neurocientista americano que introduziu as redes de Hopfield em 1982, uma forma de rede neural recorrente que estabeleceu uma ligação rigorosa entre a física estatística e a memória associativa em sistemas neurais, e que dividiu o Prêmio Nobel de Física de 2024 com Geoffrey Hinton por descobertas fundamentais que possibilitam o aprendizado de máquina com redes neurais artificiais.
Histórico
Formado como físico, com doutorado pela Universidade Cornell, Hopfield passou grande parte de sua carreira inicial trabalhando na física dos sólidos antes de migrar para problemas biológicos e computacionais, ocupando cargos em Princeton, Bell Labs, Caltech e, posteriormente, Princeton novamente. Seu caminho interdisciplinar, da física da matéria condensada à neurociência e à computação, moldou a abordagem distinta que ele trouxe à pesquisa em redes neurais.
Redes de Hopfield
Em um artigo de 1982, Hopfield descreveu um tipo de rede neural recorrente, agora chamada de rede de Hopfield, na qual os neurônios estão totalmente conectados entre si e atualizam seus estados com base nas entradas ponderadas de todos os outros neurônios, convergindo ao longo do tempo para padrões estáveis, ou "atratores". Hopfield mostrou que essa dinâmica poderia ser compreendida usando a matemática dos vidros de spin da física estatística, onde os estados estáveis da rede correspondem a mínimos locais de uma função de energia. Isso permitiu que uma rede funcionasse como memória endereçável por conteúdo, capaz de recuperar um padrão armazenado completo a partir de uma pista parcial ou ruidosa, uma capacidade distinta do reconhecimento de padrões feedforward simples do perceptron. A estrutura baseada em energia introduzida por Hopfield influenciou gerações posteriores de modelos, incluindo as máquinas de Boltzmann de David Rumelhart e Geoffrey Hinton, e é considerada uma contribuição fundamental para o estudo matemático de redes neurais e, mais amplamente, para o aprendizado profundo.
Prêmio Nobel de Física de 2024
Em outubro de 2024, Hopfield e Geoffrey Hinton foram conjuntamente agraciados com o Prêmio Nobel de Física "por descobertas e invenções fundamentais que possibilitam o aprendizado de máquina com redes neurais artificiais", parte da onda mais ampla de reconhecimento Nobel de 2024 para pesquisa em IA que também viu Demis Hassabis e colaboradores ganharem o Prêmio de Química pelo AlphaFold. O comitê do prêmio de física citou o uso de ferramentas da física estatística por Hopfield para modelar a memória associativa, e a extensão dessas ideias por Hinton na máquina de Boltzmann e em redes subsequentes treinadas por retropropagação. O prêmio gerou algum debate dentro da comunidade de física sobre se a pesquisa em redes neurais constituía física no sentido tradicional, embora o comitê tenha enquadrado a honraria em torno dos métodos físicos empregados por Hopfield, em vez do campo de aplicação.
Legado
As redes de Hopfield são consideradas uma das arquiteturas fundadoras do aprendizado profundo moderno, e a perspectiva baseada em energia que introduziram permanece uma área ativa de pesquisa, incluindo variantes modernas às vezes chamadas de "redes de Hopfield modernas" que foram ligadas matematicamente aos mecanismos de atenção usados na arquitetura transformer que sustenta os grandes modelos de linguagem atuais. A carreira de Hopfield, unindo física e computação, exemplifica as origens interdisciplinares de grande parte da pesquisa contemporânea em inteligência artificial.