强化进修前驱 Andrew Barto 与 Richard Sutton 取得往年的 ACM 图灵奖。人工智能学者，再次播种图灵奖！刚，盘算机学PG麻将胡了(试玩游戏)官方网站会（ACM）发布了 2024 年的 ACM A.M. Turing Award（图灵奖）取得者：Andrew Barto 跟 Richard Sutton。他们都是对强化进修做出奠定性奉献的有名研讨者，Richard Sutton 更是有「强化进修之父」的佳誉。Andrew Barto 则是 Sutton 的博士导师。自 1980 年月起，两位学者在一系列论文中提出了强化进修的重要思维，还构建了强化进修的数学基本，并开辟了强化进修的主要算法。两人合著的《Reinforcement Learning: An Introduction》始终是强化进修范畴最经典的课本之一。 Andrew Barto 是马萨诸塞年夜学阿默斯特分校信息与盘算机迷信荣休教学。Richard Sutton 是阿尔伯塔年夜学盘算机迷信教学，同时也是 Keen Technologies 的研讨迷信家。ACM 图灵奖常被称为「盘算机范畴的诺贝尔奖」，奖金为 100 万美元，由谷歌公司供给资金支撑。该奖项以提出盘算数学基本的英国数学家艾伦・图灵定名。强化进修，当今 AI 冲破的原点提及强化进修，咱们能够想起近来引爆寰球 AI 技巧暴发的 DeepSeek R1，此中的强化进修算法 GRPO 付与了年夜模子极强的推理才能，且不须要大批监视微调，是 AI 机能冲破的中心。再往前看，在围棋上超出人类的 AlphaGo 也是应用强化进修自我博弈练习出的战略。能够说近来的多少次 AI 冲破，背地总有强化进修的身影。人工智能范畴平日会比拟存眷智能体的构建 —— 即能够感知跟举动的实体。更智能的智能体可能抉择更好的举动计划。因而，想出比其余计划更好举动计划观点，对 AI 十分要害。借用自心思学跟神经迷信的「嘉奖」— 词，表现向智能体供给的与其行动品质相干的旌旗灯号。强化进修（RL）是在这种旌旗灯号放学习更胜利行动的进程。经由过程嘉奖进修的理念对植物练习师来说已无数千年汗青。厥后，艾伦・图灵 1950 年的论文《盘算机器与智能》提出了「呆板能思考吗？」的成绩，并提出了基于嘉奖跟处分的呆板进修方式。图灵讲演说他停止了一些开端试验，Arthur Samuel 也在 1950 年月前期开辟了一个能经由过程自我棋战进修的跳棋顺序。但在接上去的多少十年里，AI 的这一偏向停顿甚微。直至 1980 年月初，受心思学察看的启示，Andrew Barto 跟他的博士生 Richard Sutton 开端将强化进修作为一个通用成绩框架停止构建。他们鉴戒了马尔可夫决议进程（MDP）供给的数学基本，在这个框架中，智能体在随机情况中做出决议，每次转换后收到嘉奖旌旗灯号，并最年夜化其临时累积嘉奖。与尺度 MDP 实践假设智能体晓得所有差别，RL 框架容许情况跟嘉奖是未知的。RL 的最小信息需要，联合 MDP 框架的通用性，使 RL 算法能够利用于普遍的成绩。Andrew Barto 跟 Richard Sutton 联手或许协同别人，都开辟了很多 RL 基础算法。此中包含他们最主要的奉献 —— 时光差分进修（该算法为处理嘉奖猜测成绩获得了主要停顿），以及战略梯度方式跟应用神经收集作为表现进修函数的东西。他们还提出了却合进修跟计划的智能体计划，展现了获取情况常识作为计划基本的代价。同样有影响力的是他们的教科书《Reinforcement Learning: An Introduction》(1998)，它依然是该范畴的尺度参考，被援用超越 79,000 次。这本书让数千名研讨职员懂得并为这一新兴范畴做出奉献，至今仍激起着盘算机迷信范畴的很多主要研讨运动。