記憶から世界を再構築する：神経回路網の先駆者/ジョン・ホップフィールド (1933-)
1982年にホップフィールドネットワークとして知られる再帰型ニューラルネットワークのモデルを提案したのがジョン・ホップフィールドである。当時停滞していたニューラルネットワークの研究を復活させるきっかけとなった。これらの功績から2024年にジェフリー・ヒントンと共同でノーベル物理学賞を受賞している。
初期の人生と教育
ジョン・ジョセフ・ホップフィールド（John Joseph Hopfield）は1933年7月15日、シカゴで生まれた。物理学者のジョン・ジョセフ・ホップフィールド（ポーランド出身、ヤン・ユゼフ・フミェレフスキーとして生まれる）を父に、物理学者のヘレン・ホップフィールド（旧姓スタッフ）を母に持ち、幼少期から科学に対する好奇心を育んだ。スウォースモア大学で1954年に物理学の学士号を取得後、コーネル大学で理論物理学者アルバート・オーバーハウザーの指導の下、1958年に物理学の博士号を取得した。ホップフィールドは2018年のエッセイで恩師について「オーバーハウザーは聞き手として、また批評家として非常に支援的だったが、方向性を見出すことや技術的な理論的問題を解決することは完全に私の問題だった。彼が私にくれた素晴らしい贈り物は、興味深い質問の所有権と、研究と進歩に対する全責任だった」と述べている（Cornell Chronicle）。
学際的キャリアの始まり
ホップフィールドは博士号取得後、ベル研究所の理論物理学グループで2年間研究に従事した。その後、バークレー校カリフォルニア大学（1961-1964年、物理学）、プリンストン大学（1964-1980年、物理学）、カリフォルニア工科大学（1980-1997年、化学と生物学）と、アメリカの名門大学で教鞭を執り、再びプリンストン大学（1997-）に戻った。彼は「私は常に異なる分野間の境界に引き寄せられてきた」と述べている。特にカリフォルニア工科大学では、1981年から1983年にかけて物理学者のリチャード・ファインマン、カーバー・ミードと共に「計算の物理学」と題した1年間のコースを提供し、この協力関係は1986年にホップフィールドが共同設立したカリフォルニア工科大学の「計算と神経系」PhD プログラムへと発展した。
神経回路網の革命
ホップフィールドの名を世界に知らしめたのは1982年の画期的な論文「Neural networks and physical systems with emergent collective computational abilities（創発的な集合計算能力を持つ神経回路網と物理システム）」である。この論文で彼は、後に「ホップフィールド・ネットワーク」として知られるようになる再帰型ニューラルネットワークのモデルを提案した（PNAS）。この研究は、当時停滞していた人工知能（AI）研究に新たな活力を吹き込み、大規模な関心を再び呼び起こすことになった。
このモデルは、人間の脳の記憶メカニズムに着想を得ており、物理学の概念（特にスピングラスと呼ばれる磁性体の理論）を応用して、ニューロンが相互に接続された系が安定状態に収束する仕組みを説明した。ホップフィールドは協力者のP.W.アンダーソンとのスピングラスに関する共同研究からインスピレーションを得たと述べている（Wikipedia）。彼のネットワークモデルは、各ニューロンが「オン」か「オフ」の二値をとる単純なものだったが、どのようにネットワークが不完全な情報から完全なパターンを再構築できるかを示した。1984年には連続的な活性化関数を持つモデルへと拡張し、これらの1982年と1984年の論文は彼の最も引用される業績となった。
連想記憶と最適化問題への貢献
ホップフィールドネットワークの最も重要な特性は、連想記憶として機能する能力である。これは人間の記憶と同様に、部分的な情報から完全なパターンを思い出す能力だ。例えば、歌の一節を聞いただけで曲全体を思い出したり、人の顔の一部を見ただけでその人を認識したりする能力に似ている。
ホップフィールドとデビッド・タンクは1985年から1986年にかけて、ニューラルネットワークを用いて巡回セールスマン問題（複数の都市を一度だけ訪問し、最短経路を見つける問題）のような離散最適化問題を解決する手法を発表した。この研究は、連続時間力学を用いてホップフィールドネットワークと連続活性化関数を利用し、最適化問題を解くための新しい方法論を提案した（Scholarpedia）。この業績は、コンピュータサイエンスと神経科学の橋渡しをし、計算神経科学という新しい分野の発展に寄与した。
記憶容量の拡大とモダンネットワーク
初期のホップフィールドネットワークには記憶容量に限界があったが、この問題は2016年にホップフィールドとディミトリー・クロトフによって解決された。彼らは大容量記憶が可能なホップフィールドネットワークを開発し、これは現在「モダンホップフィールドネットワーク」として知られている（Wikipedia）。この進化は、ディープラーニングとAIの発展に重要な影響を与えている。
人間性と教育者としての側面
研究者としての輝かしい業績の一方で、ホップフィールドは優れた教育者でもあった。彼のレクチャースタイルは、複雑な概念を直感的な例を用いて説明することで知られていた。プリンストン大学の同僚であるセオドア・サンガーは「ホップフィールド教授は、最も複雑な数学的概念を、まるで面白い物語を語るように説明できた」と回想している（Princeton University Alumni Journal）。
彼は若い研究者たちに「答えを知るのではなく、良い質問をすることに集中しなさい」とよく助言した。また「最も重要な科学的発見は、異なる分野の境界で起こる」という彼の信念は、自身のキャリアを通じて実証された。2018年のエッセイでは「物理学は教科ではなく、世界を理解するための視点だった」と述べている（Cornell Chronicle）。
認知と計算の本質への探求
晩年においても、ホップフィールドは認知と計算の本質的な問題に取り組み続けた。彼は人工知能と人間の脳の類似点と相違点について深く考察し、「計算はシステムが行うことであり、認知はシステムが持つものである」と述べた。また2023年3月には、GPT-4より強力なAIシステムの開発に一時的な停止を求める「Giant AI Experiments」と題したオープンレターに署名し、AIの急速な進展に対する懸念を表明している（Wikipedia）。
2024年のノーベル物理学賞受賞後の記者会見では、AIの制御されていない発展に不安を感じると述べ、AIの発展を核分裂の発見に例え、それが核兵器と原子力発電の両方につながったことを指摘した（Wikipedia）。「物理学者として、制御のないものに非常に不安を感じる」という言葉は、彼の科学者としての責任感を表している。
受賞歴と評価
ホップフィールドの画期的な貢献は数々の賞によって認められてきた。1962年にスローン研究フェローシップ、1968年にグッゲンハイム・フェローシップを受賞。1969年にはアメリカ物理学会（APS）のメンバーに選出され、1973年にはアメリカ国立科学アカデミーのメンバーとなった。
1969年には発光ダイオード（LED）に関する研究でD.G.トーマスと共にアメリカ物理学会のバックレー賞を受賞し、1983年にはマッカーサー「天才」賞を獲得。1985年にはアメリカ達成アカデミーのゴールデンプレート賞とAPSの生物物理学部門のマックス・デルブリュック賞を受賞した。1997年には電気電子技術者協会（IEEE）からNeural Networks Pioneer Award（ニューラルネットワーク先駆者賞）を授与された。
2001年には国際理論物理学センター（ICTP）からダイラック・メダルを「科学的主題の印象的に広いスペクトルへの重要な貢献」に対して授与された。2005年には生命科学分野でのアルバート・アインシュタイン世界科学賞を受賞。2019年にはフランクリン研究所からベンジャミン・フランクリン物理学メダルを、2022年には統計物理学のボルツマン・メダルをディーパック・ダールと共同で受賞した。
そして2024年、ジェフリー・E・ヒントンと共同でノーベル物理学賞を「機械学習と人工ニューラルネットワークを可能にする基礎的発見と発明」に対して受賞した（Nobel Prize）。91歳という高齢での受賞は、ジョン・B・グッドイナフ（2019年、化学、97歳）とアーサー・アシュキン（2018年、物理学、96歳）に次いで3番目に高齢のノーベル賞受賞者となった（Britannica）。
遺産
ジョン・ホップフィールドの学際的アプローチと知的好奇心は、現代の機械学習、人工知能、認知科学に不滅の影響を与えた。彼の研究は、単に特定の技術問題を解決するだけでなく、人間の思考と記憶のメカニズムに対する私たちの理解を深めるのに役立った。
彼は常に「科学を進歩させるために最も重要なのは、正しい質問をすることだ」と主張し、「技術を進歩させる科学は、ずっと以前に好奇心のために行われた科学である」と述べている（Princeton News）。ホップフィールドのビジョンとアイデアは、今日の人工知能研究の根幹を成し、未来の脳型コンピューティングの発展にとって重要な基盤となっている。
参照
bhadeshia123, CC BY 3.0 https://creativecommons.org/licenses/by/3.0, via Wikimedia Commons
