تاریخ انتشار : ۱۴۰۳/۰۷/۱۸ ساعت ۱۷:۳۷
کد مطلب : ۴۹۵۰۹۳
تا به ایمیل چهارم نرسیدم نفهمیدم برنده نوبل شده‌ام
گروه علمی: اندکی پس از اعلام جایزه نوبل فیزیک ۲۰۲۴، جان هاپفیلد، برنده این جایزه، در مورد چگونگی دریافت خبر جایزه هنگامی که ایمیل‌هایش را مرور می‌کرد، صحبت می‌کند و می‌گوید تا زمانی که به ایمیل چهارم نرسیده بود، متوجه ماجرا نشد! هاپفیلد در مورد چگونگی مقابله با سؤالات بزرگ، مانند نحوه عملکرد ذهن، می‌گوید.به گزارش ایسنا، در اینجا می‌توانید مصاحبه آدام اسمیت از کمیته نوبل را با جان هاپفیلد برنده جایزه نوبل فیزیک ۲۰۲۴ بخوانید و برای شنیدن نسخه صوتی آن می‌توانید به وب‌سایت نوبل مراجعه کنید.
جان هاپفیلد: سلام
اسمیت: سلام شما جان هاپفیلد هستید؟
هاپفیلد: بله با جان هاپفیلد صحبت می‌کنید.
اسمیت: سلام. اسم من آدام اسمیت است و من از وب‌سایت جایزه نوبل تماس می‌گیرم. مری با محبت این زمان را برای گفتگو با شما برای من تنظیم کرد. مشکلی که ندارید؟
هاپفیلد: مشکلی نیست.
اسمیت: آیا تلفن روی بلندگو است؟
هاپفیلد: صدا برای شما چطور است؟
اسمیت: کاملا عالی است. خیلی ممنونم. ابتدا تبریک می‌گویم بابت دریافت جایزه نوبل.
هاپفیلد: ممنونم. ممنونم.
اسمیت: مری به من گفت که شما وقتی در همشپایر بودید این خبر را دریافت کردید. مکان خوبی برای شنیدن خبر دریافت جایزه نوبل است زیرا شما تقریبا مخفی هستید.
هاپفیلد: ما با خودمان تنها هستیم. از آنجا که اینجا یک شهر کوچک با جمعیت کمتر از ۱۰۰۰ نفر است.
اسمیت: این به شما کمی تنهایی در چنین روز شلوغی می‌دهد.
هاپفیلد: فکر نمی‌کنم فیزیکدان دیگری در شهر سلبورن(Selborne) باشد و بنابراین این چیزها به آرامی توسط اخبار درز می‌کند اما هیچ گردهمایی در خیابان وجود ندارد.
اسمیت: شما چگونه فهمیدید که برنده جایزه نوبل شده‌اید؟
هاپفیلد: من خارج از خانه بودم و با همسرم قهوه می‌خوردم و وقتی برگشتم فهرست عظیمی از ایمیل‌ها روی رایانه‌ام دیدم که انتظارش را نداشتم و دو تا سه ایمیل اول را خواندم که نوشته بودند نوبل اعلام شده است و من شگفت زده شدم و اولین واکنشم این بود که برندگان جایزه نوبل را اعلام کرده‌اند زیرا بدون اشاره به ارتباط به من، اینطور گفته شده بود و من فکر کردم که این ایمیل‌ها در مورد جایزه‌ای است که کسی برده است و تا وقتی به ایمیل چهارم نرسیده بودم نفهمیدم که این ایمیل خطاب به خود من است.
اسمیت با خنده می‌گوید: از این ایده که موارد اول سر به سرتان گذاشتند خوشم آمد. این جایزه برای ممکن کردن استفاده از یادگیری ماشینی و شبکه عصبی مصنوعی به شما داده شد اما من فکر می‌کنم شما این مطالعه را برای ساخت ابزار آغاز نکردید بلکه برای درک اینکه بفهمید چگونه ذهن از اتصالات درون مغز شکل می‌گیرد، انجام دادید.
هاپفیلد: درست است. انگیزه من از دیدن آنچه باعث کار کردن مغز می‌شود و درک بیشتر در مورد اهمیت نحوه کار کردن مغز برای درک آگاهی فکری و ارتباط آن با پدیده‌های جمعی در شبکه‌ها نشات گرفت. و من به آرامی مسیرم را از علاقه به نحوه عملکرد مغز به پرسیدن این سوال تغییر دادم که کدام سخت افراز یا نرم‌افزاری می‌تواند چنین چیزی تولید کند و کشش دانش و درک من به آرامی از فیزیک به سمت فیزیک عصبی حرکت کرد که جایی روی مرز ارتباط میان هوش مصنوعی و شبکه‌های عصبی مصنوعی و فیزیک است.
اسمیت: شما طی سال‌ها نگاهی به تعدادی سوال در زیست‌شناسی از لنز فیزیک داشته‌اید. می‌خواهم بدانم چه چیزی شما را به آن سمت برد؟ چه مسئله‌ای برای شما به عنوان یک فیزیکدان مسئله خوبی بود؟
هاپفیلد: بله. برای داشتن یک مسئله خوب در فیزیک شما باید یک سیستم داشته باشید که به خوبی توصیف شده باشد و بتوانید بفهمید که چگونه می‌تواند در مجموع کار کند و بتوانید راه‌هایی که هر جزء و بخش آن کار می‌کنند را درک کنید.
شما نمی‌توانید در یک مسئله شیرجه بزنید و بگویید می‌خواهم به طور کلی بفهمم ذهن چگونه کار می‌کند. شما باید از پایه شروع کنید. برای مثال اگر می‌خواستید بفهمید طوفان‌ها چطور کار می‌کنند بدون اینکه به عقب برگردید و نحوه ارتباط مولکول‌های نیتروژن هوا را بفهمید، نمی‌توانستید این کار را انجام دهید. شما پرسش مناسبی دارید و سطح آن نامشخص است و ممکن است دست به کار شوید و تلاش کنید چندین کار را با هم انجام دهید که به نتیجه نمی‌رسد.
اسمیت: بله من فکر می‌کنم تاریخچه طولانی از فیزیکدانانی وجود دارد که توجه خود را معطوف به مغز و از آن به آگاهی کردند. افرادی مانند فرانسیس کریک(Francis Crick) یا دان گلیزر (Don Glazer) و همه این در مورد فهمیدن سطح مناسب سوال است. اینطور نیست؟
هاپفیلد: خب من برخی از مواردی را که برای مثال دان گلیزر نوشته است در مورد فیزیک تخیلی او، خواندم. آنها چندان زیست‌شناسان خوبی نیستند اما یک اتفاق نظر وجود داشت که می‌گفت برای اینکه به چیزهایی که دوست دارید، برسید باید از فیزیک استفاده کنید. اما پس از آن باید در مورد زیست‌شناسی نیز بدانید که کل آن چیزی که مطالعه می‌کنید قابل درک به نظر برسد و شما باید موارد مختلف را با راهی ارائه کنید که جامعه آن را توسعه می‌دهد. من در آن زمان متوجه این نشدم اما یکی از کارهای مهمی که کردم این بود که اجازه دادم افرادی که از رشته فیزیک یا زیست‌شناسی می‌آمدند تبدیل به یک جامعه شوند و روی نه تنها یک مسئله کوچک به صورت جزئی بلکه به طور مشترک با هم روی درک مسئله کار کنند.
اسمیت: بله شبکه هاپفیلد پیشرفت بزرگی برای مردم بود که می‌توانستند آن را توسعه دهند. بگذارید از شما در مورد چیزی بپرسم که همکار شما جفری هینتون در مورد آن خیلی با تاکید صحبت می‌کند. ترس او در مورد یادگیری ماشینی و پتانسیل آن. آیا شما نیز نگرانی مشترکی دارید؟
هاپفیلد: بله من در نگرانی او شریکم. شما همیشه نگران می‌شوید وقتی چیزها بسیار قوی به نظر می‌رسند و درک نمی‌کنید چرا اینگونه هستند. همچنین شما نمی‌دانید چطور آنها را کنترل کنید یا اینکه کنترل کردن آنها یک مسئله است یا پتانسیل آن چیست. اینکه شما نمی‌دانید و نمی‌توانید توضیح دهید آنها چگونه کار می‌کنند بدون اینکه بگویید اگر عمیقا در ریاضیات غوطه‌ور شوید، آنها کار می‌کنند و این پاسخ رضایت‌بخشی نیست. من می‌خواهم درک بیشتری از این داشته باشم که چگونه فیزیک میکروسکوپی باعث ایجاد خواص جالب در سیستم بزرگ‌تر می‌شود.
اسمیت: آیا امید دارید که این جایزه نوبل پیامی به همراه داشته باشد؟ این اولین جایزه در هوش مصنوعی است.هاپفیلد: من فکر می‌کنم که این جایزه در حال به شناخت رساندن این حقیقت است که درک عمیق مسائل مانند مسائل من از راه‌های ساده‌ای مانند فیزیک نیوتونی ممکن می‌شود. این واقعا مستلزم درک بسیار بیشتری از رابطه بین ساختار و خواص و دینامیک ساختار و ویژگی‌ها است. این مخلوطی از فیزیک، شیمی و زیست‌شناسی است که در کنار هم قرار گرفته‌اند تا حوزه جدیدی از مطالعه را بسازند.
اسمیت: خیلی ممنونم از شما. اجازه بدهید این مصاحبه را با گفتن این موضوع به اتمام برسانم که من متوجه شدم شما این خبر را در سلبورن شنیدید که موضوع کتاب تاریخ طبیعی سلبورن از گیلبرت وایت بوده است.
هاپفیلد: او کشف خوبی کردی.
اسمیت با خنده: اما این برای سلبورن خوب است که زمان اعلام جایزه نوبل، برنده در دل آن حضور دارد با توجه به اینکه ارتباط باستانی عمیقی با علم طبیعی دارد.
اسمیت: افتخار بزرگی بود که با شما صحبت کردم. باز هم ممنونم و تبریک می‌گویم.
هاپفیلد: ممنونم. مصاحبه با من آسان نیست وقتی هنوز به نحوی در شوک به سر می‌برم.
اسمیت: بسیار قابل درک است. فوق‌العاده بود. من مشتاق داشتن مصاحبه طولانی‌تری هستم وقتی این هیاهوها در آینده کمی کاهش پیدا کرد. ممنون.
هاپفیلد: ممنون. خدانگهدار.
اسمیت: خدانگهدار.
اسمیت: سلام شما جان هاپفیلد هستید؟
هاپفیلد: بله با جان هاپفیلد صحبت می‌کنید.
اسمیت: سلام. اسم من آدام اسمیت است و من از وب‌سایت جایزه نوبل تماس می‌گیرم. مری با محبت این زمان را برای گفتگو با شما برای من تنظیم کرد. مشکلی که ندارید؟
هاپفیلد: مشکلی نیست.
اسمیت: آیا تلفن روی بلندگو است؟
هاپفیلد: صدا برای شما چطور است؟
اسمیت: کاملا عالی است. خیلی ممنونم. ابتدا تبریک می‌گویم بابت دریافت جایزه نوبل.
هاپفیلد: ممنونم. ممنونم.
اسمیت: مری به من گفت که شما وقتی در همشپایر بودید این خبر را دریافت کردید. مکان خوبی برای شنیدن خبر دریافت جایزه نوبل است زیرا شما تقریبا مخفی هستید.
هاپفیلد: ما با خودمان تنها هستیم. از آنجا که اینجا یک شهر کوچک با جمعیت کمتر از ۱۰۰۰ نفر است.
اسمیت: این به شما کمی تنهایی در چنین روز شلوغی می‌دهد.
هاپفیلد: فکر نمی‌کنم فیزیکدان دیگری در شهر سلبورن(Selborne) باشد و بنابراین این چیزها به آرامی توسط اخبار درز می‌کند اما هیچ گردهمایی در خیابان وجود ندارد.
اسمیت: شما چگونه فهمیدید که برنده جایزه نوبل شده‌اید؟
هاپفیلد: من خارج از خانه بودم و با همسرم قهوه می‌خوردم و وقتی برگشتم فهرست عظیمی از ایمیل‌ها روی رایانه‌ام دیدم که انتظارش را نداشتم و دو تا سه ایمیل اول را خواندم که نوشته بودند نوبل اعلام شده است و من شگفت زده شدم و اولین واکنشم این بود که برندگان جایزه نوبل را اعلام کرده‌اند زیرا بدون اشاره به ارتباط به من، اینطور گفته شده بود و من فکر کردم که این ایمیل‌ها در مورد جایزه‌ای است که کسی برده است و تا وقتی به ایمیل چهارم نرسیده بودم نفهمیدم که این ایمیل خطاب به خود من است.
اسمیت با خنده می‌گوید: از این ایده که موارد اول سر به سرتان گذاشتند خوشم آمد. این جایزه برای ممکن کردن استفاده از یادگیری ماشینی و شبکه عصبی مصنوعی به شما داده شد اما من فکر می‌کنم شما این مطالعه را برای ساخت ابزار آغاز نکردید بلکه برای درک اینکه بفهمید چگونه ذهن از اتصالات درون مغز شکل می‌گیرد، انجام دادید.
هاپفیلد: درست است. انگیزه من از دیدن آنچه باعث کار کردن مغز می‌شود و درک بیشتر در مورد اهمیت نحوه کار کردن مغز برای درک آگاهی فکری و ارتباط آن با پدیده‌های جمعی در شبکه‌ها نشات گرفت. و من به آرامی مسیرم را از علاقه به نحوه عملکرد مغز به پرسیدن این سوال تغییر دادم که کدام سخت افراز یا نرم‌افزاری می‌تواند چنین چیزی تولید کند و کشش دانش و درک من به آرامی از فیزیک به سمت فیزیک عصبی حرکت کرد که جایی روی مرز ارتباط میان هوش مصنوعی و شبکه‌های عصبی مصنوعی و فیزیک است.
اسمیت: شما طی سال‌ها نگاهی به تعدادی سوال در زیست‌شناسی از لنز فیزیک داشته‌اید. می‌خواهم بدانم چه چیزی شما را به آن سمت برد؟ چه مسئله‌ای برای شما به عنوان یک فیزیکدان مسئله خوبی بود؟
هاپفیلد: بله. برای داشتن یک مسئله خوب در فیزیک شما باید یک سیستم داشته باشید که به خوبی توصیف شده باشد و بتوانید بفهمید که چگونه می‌تواند در مجموع کار کند و بتوانید راه‌هایی که هر جزء و بخش آن کار می‌کنند را درک کنید.
شما نمی‌توانید در یک مسئله شیرجه بزنید و بگویید می‌خواهم به طور کلی بفهمم ذهن چگونه کار می‌کند. شما باید از پایه شروع کنید. برای مثال اگر می‌خواستید بفهمید طوفان‌ها چطور کار می‌کنند بدون اینکه به عقب برگردید و نحوه ارتباط مولکول‌های نیتروژن هوا را بفهمید، نمی‌توانستید این کار را انجام دهید. شما پرسش مناسبی دارید و سطح آن نامشخص است و ممکن است دست به کار شوید و تلاش کنید چندین کار را با هم انجام دهید که به نتیجه نمی‌رسد.
اسمیت: بله من فکر می‌کنم تاریخچه طولانی از فیزیکدانانی وجود دارد که توجه خود را معطوف به مغز و از آن به آگاهی کردند. افرادی مانند فرانسیس کریک(Francis Crick) یا دان گلیزر (Don Glazer) و همه این در مورد فهمیدن سطح مناسب سوال است. اینطور نیست؟
هاپفیلد: خب من برخی از مواردی را که برای مثال دان گلیزر نوشته است در مورد فیزیک تخیلی او، خواندم. آنها چندان زیست‌شناسان خوبی نیستند اما یک اتفاق نظر وجود داشت که می‌گفت برای اینکه به چیزهایی که دوست دارید، برسید باید از فیزیک استفاده کنید. اما پس از آن باید در مورد زیست‌شناسی نیز بدانید که کل آن چیزی که مطالعه می‌کنید قابل درک به نظر برسد و شما باید موارد مختلف را با راهی ارائه کنید که جامعه آن را توسعه می‌دهد. من در آن زمان متوجه این نشدم اما یکی از کارهای مهمی که کردم این بود که اجازه دادم افرادی که از رشته فیزیک یا زیست‌شناسی می‌آمدند تبدیل به یک جامعه شوند و روی نه تنها یک مسئله کوچک به صورت جزئی بلکه به طور مشترک با هم روی درک مسئله کار کنند.
اسمیت: بله شبکه هاپفیلد پیشرفت بزرگی برای مردم بود که می‌توانستند آن را توسعه دهند. بگذارید از شما در مورد چیزی بپرسم که همکار شما جفری هینتون در مورد آن خیلی با تاکید صحبت می‌کند. ترس او در مورد یادگیری ماشینی و پتانسیل آن. آیا شما نیز نگرانی مشترکی دارید؟
هاپفیلد: بله من در نگرانی او شریکم. شما همیشه نگران می‌شوید وقتی چیزها بسیار قوی به نظر می‌رسند و درک نمی‌کنید چرا اینگونه هستند. همچنین شما نمی‌دانید چطور آنها را کنترل کنید یا اینکه کنترل کردن آنها یک مسئله است یا پتانسیل آن چیست. اینکه شما نمی‌دانید و نمی‌توانید توضیح دهید آنها چگونه کار می‌کنند بدون اینکه بگویید اگر عمیقا در ریاضیات غوطه‌ور شوید، آنها کار می‌کنند و این پاسخ رضایت‌بخشی نیست. من می‌خواهم درک بیشتری از این داشته باشم که چگونه فیزیک میکروسکوپی باعث ایجاد خواص جالب در سیستم بزرگ‌تر می‌شود.
اسمیت: آیا امید دارید که این جایزه نوبل پیامی به همراه داشته باشد؟ این اولین جایزه در هوش مصنوعی است.هاپفیلد: من فکر می‌کنم که این جایزه در حال به شناخت رساندن این حقیقت است که درک عمیق مسائل مانند مسائل من از راه‌های ساده‌ای مانند فیزیک نیوتونی ممکن می‌شود. این واقعا مستلزم درک بسیار بیشتری از رابطه بین ساختار و خواص و دینامیک ساختار و ویژگی‌ها است. این مخلوطی از فیزیک، شیمی و زیست‌شناسی است که در کنار هم قرار گرفته‌اند تا حوزه جدیدی از مطالعه را بسازند.
اسمیت: خیلی ممنونم از شما. اجازه بدهید این مصاحبه را با گفتن این موضوع به اتمام برسانم که من متوجه شدم شما این خبر را در سلبورن شنیدید که موضوع کتاب تاریخ طبیعی سلبورن از گیلبرت وایت بوده است.
هاپفیلد: او کشف خوبی کردی.
اسمیت با خنده: اما این برای سلبورن خوب است که زمان اعلام جایزه نوبل، برنده در دل آن حضور دارد با توجه به اینکه ارتباط باستانی عمیقی با علم طبیعی دارد.
اسمیت: افتخار بزرگی بود که با شما صحبت کردم. باز هم ممنونم و تبریک می‌گویم.
هاپفیلد: ممنونم. مصاحبه با من آسان نیست وقتی هنوز به نحوی در شوک به سر می‌برم.
اسمیت: بسیار قابل درک است. فوق‌العاده بود. من مشتاق داشتن مصاحبه طولانی‌تری هستم وقتی این هیاهوها در آینده کمی کاهش پیدا کرد. ممنون.
هاپفیلد: ممنون. خدانگهدار.
اسمیت: خدانگهدار.
پربينندهترين مطالب و خبرها
