1982年，美国科学家约翰·霍普菲尔德创建了一种用于机器的联想记忆方法，提出了一种革命性的网络结构，被称为“霍普菲尔德网络”。这个网络能够存储多个模式（比如图像），并且在面对不完整或有噪声的输入时，能够重构出最相似的模式。

　　英国裔加拿大科学家杰弗里·欣顿在此基础上更进一步，他希望机器能像人类一样自主学习和分类信息，于1985年和同事提出了“玻尔兹曼机”的网络模型，这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。该模型通过统计物理学中的玻尔兹曼分布来识别数据中的特征，成为了现代深度学习网络的基础。欣顿的研究继续推进，导致了当前机器学习领域爆炸式的发展。

　　爱尔兰都柏林圣三一学院认知神经科学教授罗德里·丘萨克8日评论指出，人工神经网络最初受到神经科学的启发，并且两者之间的相互作用持续蓬勃发展。人工神经网络已被证明是大脑学习过程的宝贵模型，机器正在帮助我们了解自己，这反过来又为技术发展提供了新的途径。如果没有霍普菲尔德和欣顿的开创性工作，这一切都不可能实现。

　　霍普菲尔德和欣顿的工作不仅推动了机器学习的发展，还对物理学产生了深远影响。正如丹尼尔松当天在接受新华社记者采访时所说，物理学的原理为两名科学家提供了思路，同时，人工神经网络在物理学中也得到了广泛应用，催生新的惊人发现。