ROMA. Il Nobel per la Fisica 2024 è stato assegnato a John Hopfield e Geoffrey E. Hinton , che hanno aperto la strada alla realizzazione delle reti neurali e gettato le basi per l'apprendimento delle macchine e l'Ia. 

L'americano Hopfield e il britannico Hinton hanno avuto il merito di avere utilizzato gli strumenti della fisica per mettere a punto i metodi che hanno gettato le basi per l'apprendimento delle macchine.

Lavorando in modo indipendente, i due hanno aperto un campo di ricerca nuovo e rivoluzionario, che ha portato a sviluppi importanti, fino a rendere possibili i sistemi di intelligenza artificiale e a rivoluzionare sia la ricerca scientifica, sia la vita quotidiana.

Attualmente computer e robot non sono in grado di pensare, ma grazie alle reti neurali possono imitare alcune funzioni complesse tipiche del cervello umano, come la memoria e l'apprendimento.

Grazie alle ricerche condotte da Hopfield e Hinton si è passati dai tradizionali programmi per i computer, basati su descrizioni chiare e puntuali per generare risultati, all'apprendimento automatico, nel quale il computer apprende per mezzo di esempi e su questa base riesce ad affrontare problemi troppo vaghi e complessi per essere gestiti con istruzioni puntuali.

Un esempio è l'interpretazione di un'immagine per identificare gli oggetti in essa contenuti.

John J. Hopfield (91 anni) e una lunga carriera scientifica conclusa nell'Università di Princeton, e Geoffrey Hinton (77 anni), nato in Gran Bretagna e naturalizzato canadese, dividono equamente il Nobel per la Fisica, risultato di una lunga carriera di frontiera, alimentata dal dialogo fra discipline diverse come la biologia, la fisica, la psicologia e l'informatica e aperta a sviluppi straordinari, dei quali soprattutto Hinton ha intuito i possibili rischi.

Hoplield è nato negli Stati Uniti, a Chicago, nel 1933, da una coppia di fisici polacchi. Si è laureato allo Swarthmore College nel 1954 e nel 1958 ha conseguito il dottorato di ricerca in Fisica alla Cornell University. Per due anni ha lavorato come teorico nei laboratori Bell, ai quali è rimasto però legato per i successivi 35 anni.

In seguito ha insegnato Fisica all'Università della California e Berkeley poi in quella di Princeton e quindi si è trasferito al California Institute of Technology (Caltech), dove nel 1986 è stato tra i fondatori del programma di Calcolo e sistemi neurali e dove ha insegnato Chimica e Biologia.

È poi tornato a Princeton, dove ha insegnato Biologia molecolare. Fisica e biologia sono stati i punti di riferimento di tutta la sua produzione scientifica, fino alle ricerche sulle reti neurali artificiali.

Geoffrey Hinton è nato a Londra nel 1947, dove nel 1970 ha studiato psicologia sperimentare al al King's College a Cambridge e nel 1978 ha conseguito il dottorato all'Università di Edimburgo con una ricerca sull'intelligenza artificiale.

Quindi ha lavorato nell'Università del Sussex ma poi, per la difficoltà nel trovare finanziamenti per ricerca in Gran Bretagna, si è trasferito negli Stati Uniti, nell'Università della California a San Diego e un semestre più tardi all'Università Carnegie Mellon, dove ha lavorato dal 1982 al 1987.

In seguito alla decisione del presidente Ronald Reagan di finanziare le ricerche di intelligenza artificiale a scopo militare, nel 1987 Hinton si è trasferito in Canada, dove ha insegnato informatica all'Università di Toronto e dove è stato titolare della cattedra di apprendimento automatico.

Nel 1998 ha fondato un'unità di ricerca di neuroscienze computazionali presso l'University College di Londra, che ha diretto fino al 2001. Nel 2012 ha tenuto un corso gratuito sulle reti neurali artificiali online e nel marzo 2013 è stato assunto da Google in seguito dell'acquisizione della società DNNresearch, da lui fondata, e da allora divide il suo tempo tra l'università e il lavoro presso Google. Nel 2017 presso Google Brain, ha fondato il Vector Institute for Artificial Intelligence a Toronto, di cui è consulente scientifico.

È stato fra i progettisti della rete neurale profonda AlexNet eha lavorato in particolare sia sull'analisi delle immagini sia sulla visione artificiale. Nel 2018 le sue ricerche lo hanno portato a vincere il premio Turing, il più prestigioso nelle scienze informatiche, insieme a Yoshua Bengio e Yann LeCun, considerati i pionieri delle ricerche sull'apprendimento profondo.

Nel 2023, infine, ha annunciato le sue dimissioni da Google per poter "parlare liberamente dei rischi dell'intelligenza artificiale".