现代智能机器的诞生，离不开对复杂材料物理学的深刻理解。

自旋玻璃或许是人类发现过的“最无用也最有用”的东西。

这些通常由金属而非玻璃制成的材料展现出令人费解的行为，自20世纪中期起就吸引了一小群物理学家的关注。虽然自旋玻璃本身并未找到任何实际的材料用途，但因解释其奇特行为而发展出的理论，最终却引发了当今人工智能的革命。

1982年，凝聚态物理学家约翰·霍普菲尔德（JohnHopfield）借用了自旋玻璃的物理概念，构建出一种能够学习和记忆的简单网络。在此过程中，他重振了神经网络（由数字神经元组成的错综网络）这一曾被大多人工智能研究者放弃的研究领域，并将物理学带入了一个全新的领域：思维研究，包括生物思维和机械思维。

霍普菲尔德将记忆重新设想为一个统计力学（研究“集体行为”的物理学）中的经典问题：给定一定的组成成分，这个系统整体将如何演化？对于任何简单的物理系统（包括自旋玻璃在内），其答案源自热力学：系统将“趋向低能量状态”。霍普菲尔德找到了一种方法，利用集体系统的这一简单特性，通过数字神经元网络来存储和调用数据。更专业地说，他找到了一种将记忆置于能量斜坡底部的方法。要唤起一段记忆，这种后来被称为霍普菲尔德网络（Hopfieldnetwork）的神经网络无须查询任何东西。它只需“顺坡而下”。

米兰博科尼大学的理论物理学家马克·梅扎尔（MarcMézard）说，霍普菲尔德网络是一次“概念上的突破”。……