Su innovadora contribución en el campo de las redes neuronales, que ha transformado la manera en que las máquinas aprenden y replican el comportamiento humano, mereció el Premio Nobel de Física (2024) al físico estadounidense John Hopfield y al científico computacional y psicólogo cognitivo británico Geoffrey Hinton. Su trabajo, pionero en neurociencia computacional e inteligencia artificial (IA), ha establecido los fundamentos del aprendizaje automático moderno.

El camino de Hopfield comenzó en los años 80, cuando introdujo la llamada «red de Hopfield», un avance conceptual apoyado en principios de la física. Este tipo de red tiene la capacidad de almacenar y recuperar patrones, incluso cuando la información entrante es incompleta. De esa manera, emula una forma de memoria asociativa similar a la de los seres humanos.

Su propuesta, fundamentada en la minimización de energía de los sistemas de espín en física —para los físicos e ingenieros, que lo entenderán, el espín es una propiedad de las partículas atómicas elementales por la cual tienen un momento angular intrínseco de valor fijo—, permitió que las redes de Hopfield reconstruyeran datos confusos o incompletos. Con ello se anticipó a la corrección de errores que se produce en los sistemas de IA actuales.

Simultáneamente, Hinton amplió los conceptos que introdujo Hopfield y presentó la máquina de Boltzmann en 1985, un modelo basado en la física estadística que incorporaba capas ocultas en las redes neuronales. Un paso que permitió a las máquinas aprender de manera autónoma patrones cada vez más complejos. Estas innovaciones fueron fundamentales para el desarrollo posterior del aprendizaje profundo de las redes neuronales, que fueron capaces de clasificar y generar datos, como imágenes o voces, con una precisión sorprendente.