John Hopfield i Geoffrey Hinton otrzymali Nagrodę Nobla w 2024 roku za ich pionierskie prace nad sztucznymi sieciami neuronowymi, które zrewolucjonizowały rozwój sztucznej inteligencji. John Hopfield opracował model Hopfielda w 1982 roku, który wprowadził mechanizmy przypominające ludzki mózg do przetwarzania informacji w sieciach neuronowych. Geoffrey Hinton z kolei w latach 80. i 90. przyczynił się do rozwoju algorytmu wstecznej propagacji błędów, który umożliwił trenowanie głębokich sieci neuronowych, obecnie kluczowych w zaawansowanych zastosowaniach sztucznej inteligencji, takich jak rozpoznawanie obrazów i mowy. Model Hopfielda to rodzaj rekurencyjnej sieci neuronowej, w której neurony są ze sobą połączone, a każdy neuron wpływa na inne.

Sieć działa jako system dynamiczny, który zmierza do stanu minimalnej energii. Może być wykorzystywana do przechowywania i przywoływania wzorców w sposób podobny do ludzkiej pamięci.

Kluczową cechą jest to, że sieć zawsze dąży do stanu równowagi, co umożliwia przywracanie danych nawet przy częściowo zniszczonych wzorcach.Algorytm wstecznej propagacji błędów Hintona  jest kluczowy w trenowaniu wielowarstwowych sieci neuronowych. Działa, obliczając różnicę między przewidywanym a rzeczywistym wynikiem sieci (błąd) i propagując ten błąd wstecz przez warstwy sieci. Pozwala to na dostosowywanie wag neuronów w taki sposób, aby sieć uczyła się minimalizować błędy. Dzięki temu algorytmowi możliwe stało się rozwijanie bardziej złożonych, głębokich sieci neuronowych, co napędza współczesny rozwój sztucznej inteligencji.