用物理學家的眼睛看大腦

Hopfield 說演化會把小毛病磨成功能，人工網路把這面抑制掉了；用泰晤士河上千禧橋行人隨橋晃動而步調一致的例子，說明神經元也可能同步放電。

DNA 複製後，一份保留舊功能，另一份可以漂移出新功能；對話接著拿公司興衰類比演化，並以 IBM 另立獨立單位做第一台 PC 為例。

Hopfield 說適應就是一切，分演化尺度與個體一生的學習；晶片基本上是二維，新皮質是片狀、底下的白質體積約為灰質的十倍，結構決定了什麼容易什麼難。

演化的過程看不到，Hopfield 只能敬畏；一生尺度的發育神經生物學才拆得開，嬰兒期有大量細胞增生，也有最劇烈的細胞死亡。

Hopfield 說自己總是透過物理看世界，父母都是物理學家；教大一物理時要學生理解而不是背例子，並認為前饋網路沒有他心中「理解」的本質。

真實系統離不開回饋，把回饋展開成前饋，規模要指數成長；用腦節律判斷腦還救不救得回來的例子，說明 Google 的系統裡根本沒有這些節律。

Hopfield 描述 AI 與神經生物學一代接一代的接力，估計可能還要再幾代；大型系統有集體特性，人工網路沒用到。

描述一位「五呎十吋、很瘦、背不好的認知科學家」，聽的人就說得出 Geoff Hinton；Hopfield 認為就他所見，智慧行為很大一部分其實就是大型聯想記憶。

三十五年前那個模型是粗糙的物理模型，穩定狀態就像往下坡走；Hopfield 現在關心的是大腦怎麼把每秒一張的影像壓成有用的塊，而不是全存。

前饋網路先學習、再關掉學習去執行，Hopfield 說那不是生物；他自述在物理與生物間來回，理解就是不必交代所有細節也能誠實描述運作，如用風型與颶風，而不是模擬每個分子。

Hopfield 網路沒有回答怎麼學，只回答學過之後，給一部分圖樣如何補出其餘；用山谷與河流的比喻說明偏離的軌跡會被推回，並說這只是糾錯的其中一種比喻。

Hopfield 說它是最長壽的學習系統之一，本質是回饋網路，Hinton 一再回頭用它；它學的是物理上 Hamiltonian（能量函數）的參數。

Hopfield 懷疑電腦網路的深度有一部分是因為機器上容易做的學習只有前饋；以閉上眼睛想棋盤兩分鐘為例，說明沒有輸入還能思考是回饋的作用。

Hopfield 轉述 Minsky：意識被高估，是事後向自己解釋已經做完的事；目擊事件的記憶會被編織得比實際更豐富，並以水門案的 John Dean 為例。

Hopfield 講與 Francis Crick 的對談，Crick 長談孟德爾的豌豆；Hopfield 認為缺少決定性證據，也看不到從物理切入意識的入口。

Hopfield 說相關的神經生物學大致能用古典運動方程式描述，腦的謎在於 10 的 14 次方個部件的驅動式動力系統，而不是量子力學。

吸引子網路就是其他軌跡都向某條路徑收斂；Liouville's theorem 說不能到處收縮；球滾下山谷不必逐步追蹤，是思考穩定行為的比喻。

簡單前饋網路不太能同時支持多個假說；Hopfield 說思考是行動前的心智探索，並以黃昏球滾過街、後面跟著孩子的例子，說明訓練範圍外無從預期。

有些問題要靠大量資料，如宇宙學，但那不是 Hopfield 有洞見的類型；物理要的是不受細節影響的解釋，生物學則靠細節運作。

Hopfield 回顧從一次記錄一個細胞，到如今認為要同時記錄 10 的 4 或 5 次方個；也比較工程師用六顆馬達與生物用兩千條肌纖維控制一肢。

Hopfield 認為擁抱這種寬容的做法能做出更好的機器人；像 Navier-Stokes 方程式取代原子物理，生物也許有尚待找到的方程式，並說自己只能夢物理的夢。

年紀漸長，Hopfield 更覺得一個人的本質在大腦而非身體；寫下的方程式、日記會延續，數位世界裡每個人留下的紀錄也比上一代多得多。

Hopfield 說「意義」跟「理解」一樣滑；氫原子彼此相像，細菌不是，物種的界線也模糊；連思考也不只在新皮質，脊髓同樣在做事。