John Hopfield是今年诺贝尔物理学奖得主之一，也是名副其实的博学家。他在1950年代凝聚态物理学的鼎盛时期进入该领域，到了1960年代末又开始研究血红蛋白的化学性质，之后10年又转而研究DNA合成。
1982年，他设计了一个类脑网络，他用相互作用的粒子模拟神经元，这些神经元会在这个类脑网络里形成一种记忆。这个为他赢得诺贝尔奖的“Hopfield网络”如今被视为机器学习的一个雏形，为现代人工智能（AI）奠定了基础。Hopfield与加拿大多伦多大学的AI先驱Geoffrey Hinton共同获得了今年的诺贝尔物理学奖。
如今已有91岁高龄的Hopfield是美国普林斯顿大学的荣休教授，他向《自然》讲述了他的得奖贡献是真正的物理学成就，以及我们为何要担心AI。
问：有人说您的获奖工作不是真正的物理学，而是属于计算机科学。您怎么看？
答：我对物理学的定义是，物理学不是你研究的对象，而是你研究的方法。如果你有来自物理学背景的人的态度，它就是一个物理学问题。我的父母都是物理学家，这塑造了我对什么是物理学的认知。对你而言，世界上的每件事都很有意思，因为你理解这件事发生背后的物理学。我从小被各种谜题围绕，我想找到这些问题的答案。
1981年，我在一个会议上发言，我的科研学生Terry Sejnowski坐在Geoff Hinton旁边。（Sejnowski如今在加州索尔克研究所领导一个计算神经生物学团队。）显然，Geoff知道如何让那种系统——我研究的机制——来表达计算机科学。他们交谈了一番，最后发表了他们合作的第一篇论文。Terry后来回忆起这一天，这是物理学问题进入计算机科学的故事。
问：您一开始从事的是物理学，后来如何研究起生物学的？
答：凝聚态物理在当时是新技术的支柱。但找到一个好问题越来越难，一个我能解决也想解决的问题。我有一个朋友Bob Shulman，我和他当时都在贝尔实验室（Bell Laboratories），他刚从化学转到生物学，他开始谈论现在可以研究生物分子的细节了。我有了一个想法，也许可以用我们研究凝聚态的方法研究大分子。
问：您认为您的物理学方法给生物学带来了哪些不同？
答：我当时尝试集中我们对小系统的理解，然后看看是否能用它来理解更大的系统。也许你能从这一头的物理学跳到另一头的生物学？有些问题我可以想象到它的结论，因为我理解和它有抽象关联的物理系统。
问：1970年代末，您开始研究神经科学并尝试用人工神经元刺激大脑。Hopfield网络是如何诞生的？
答：我开始写一些简单的方程，关于一个神经系统的活性会如何随时间变化，因为这个系统会与自身和外部世界相互作用。你会联想到磁学里自旋系统相互作用的类似方程。这是真正启发我的地方，将一个领域的运动方程与另一个领域的方程匹配起来。
问：Hinton公开表达了他害怕AI的潜在危害。您担心吗？
答：我也很担心。核技术能让人们随意制造大型炸弹，也可以很有用。大家在理解什么是链式反应后就开始担心了。快进到1970年，生物学领域担心基因工程。如果你能以正确的方式改造一个病毒，你或许能让整个人类灭亡。这基本上就是链式反应。如果某人能在AI中创造这种危害，我都不会感到惊讶——以某种方式编程，让它变成自产生程序。
这个世界不需要AI以不受限的速度发展。我会一直担心，除非有一天我们能更好地理解所创造的系统的局限——你在这个危险阶梯上处于什么位置。
问：您对今天的博士生有什么建议吗？
答：当两个领域开始渐行渐远，看看它们之间的缝隙有没有有趣的东西。我一直觉得这种交界很有意思，因为这里有有趣的人，他们有不同的动机，听他们争辩能带来很多启发。这能让你看到他们觉得什么是真正有价值的，以及他们是如何解决问题的。如果他们没有解决问题的工具，那可能就有我的用武之地了。
问：您现在依然是活跃的研究人员吗？
答：我不教书了。我有一个合作者Dmitry Krotov（在麻省理工-IBM沃森AI实验室），他的背景是理论物理学，和他交谈很好玩。如今我已经不做任何数学计算了。但我很享受与尝试提出和回答重要问题的人交流。看到人们在研究五花八门的问题非常有意思。当我还在教书时，我总是能接触年轻人，接触各种观点，这能帮助你保持年轻。
