2024年10月28日“听科学家斗嘴是有益的”:诺贝尔物理学奖得主解决领域间问题约翰·霍普菲尔德有过不同的职业生涯，他喜欢在不同学科之间的夹缝中工作。伊丽莎白·吉布尼

图片

约翰·霍普菲尔德的职业生涯始于物理学，后来转而研究化学和生物学问题。鸣谢:丹尼斯·阿普尔怀特，普林斯顿大学约翰·霍普菲尔德是今年诺贝尔物理学奖的获得者之一，他是一位真正的博学者。他的职业生涯始于20世纪50年代该领域全盛时期对固态物理学的探索，之后于20世纪60年代后期转向血红蛋白化学，并在随后的十年中研究DNA合成。1982年，他设计了一个类似大脑的网络，其中神经元——他将其建模为相互作用的粒子——形成一种记忆。他因此获得诺贝尔奖的“霍普菲尔德网络”现在被广泛视为机器学习的基石，它支撑着现代人工智能(AI)。Hopfield与加拿大多伦多大学的人工智能先驱Geoffrey Hinton分享了该奖项。现年91岁的新泽西州普林斯顿大学名誉教授霍普菲尔德在接受《自然》采访时谈到了他的获奖作品是否真的是物理学，以及我们为什么应该担心人工智能。有讨论说你的获奖作品不是真正的物理学，而是计算机科学。你怎么想呢?我对物理学的定义是，物理学不是你在研究什么，而是你如何研究它。如果你有一个物理出身的人的态度，那就是物理问题。我的父母都是物理学家，这扭曲了我对物理的看法。对你来说，世界上所有有趣的东西都是因为你理解了把这样的东西放在一起的物理原理。我伴随着谜题长大，我想解开它们。1981年，我在一次会议上做了一次演讲，我的物理学研究生特里·塞伊诺夫斯基坐在杰夫·辛顿旁边。Sejnowski现在在加州拉荷亚的索尔克研究所主持一个计算神经生物学小组。很明显，Geoff知道如何得到这样一个系统——我所做的机制——来表达计算机科学。他们聊了起来，最终一起写了他们的第一篇论文。有一天，特里回忆起这件事，这是一个关于事物如何从物理学进入计算机科学的故事。你开始了你的物理生涯。你是如何进入生物学领域的？固态物理学是当时新技术的支柱。但是找到一个好的问题变得越来越难，一个我有能力解决并且有兴趣解决的问题。我有一个朋友，鲍勃·舒尔曼，他在贝尔实验室工作，我当时也在那里，他最近从化学转到了生物学，他开始谈论你开始能够详细研究生物分子的事实。我有一个想法，也许是时候使用我们在大分子上研究固态的方法了。你认为你的物理学方法给生物学带来了什么？我试图做的是积累对较小系统的理解，然后尝试看看是否可以用它来理解较大的系统。也许你可以从一头的物理学到另一头的生物？有些问题我可以把结论形象化，因为我对一个与之抽象相关的物理系统有所了解。在20世纪70年代末，你转向了神经科学，并努力使用人工神经元来模拟大脑。Hopfield网络是怎么来的？我开始写下简单的方程，这些方程描述了神经系统的活动如何随着时间而变化，这是由于该系统与自身和外部世界的相互作用。你可以想到在磁场中相互作用的自旋系统的相同类型的方程。这就是我的动力所在，试图让一个领域和另一个领域的运动方程匹配起来。辛顿直言不讳地表达了他对人工智能潜在危害的担忧。你担心吗？我确实担心它。想想核技术，它使人们能够制造任意大的炸弹，也可能非常有用。人们一明白什么是连锁反应就开始担心。快进到1970年，生物学界非常关注基因工程。如果你能以正确的方式设计一种病毒，你就能接近消灭整个种群。本质上是连锁反应。如果你能在人工智能中做出这种冒险——以自我复制的方式编写程序，我不会感到惊讶。这个世界发展AI不需要无限速度。除非我们更多地了解你能制造的系统的局限性——你站在这个危险的梯子上——否则我会担心。你对现在的博士生有什么建议？在两个场被分开的地方，看看它们之间的裂缝里有没有什么有趣的东西。我一直觉得界面很有趣，因为它们包含了有不同动机的有趣的人，听他们斗嘴很有教育意义。它告诉你他们真正重视的是什么，以及他们如何试图解决问题。如果他们没有解决问题的工具，可能会有我的空间。你仍然是一个活跃的研究者吗？我不教书。我有一个合作者，Dmitry Krotov(在麻省剑桥的MIT-IBM Watson AI实验室)，他来自理论物理，我和他交谈很开心。这些天来，我从未做过任何数学运算。但是我确实喜欢和那些试图问和回答重大问题的人交流。被提醒人们正在处理的问题的广度是很有趣的。当我教书的时候，总是有年轻人，不同的观点，这就是你保持年轻的方法。doi::https://doi.org/10.1038/d41586-024-03520-0

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。