就在刚刚， 洽商机界的诺贝尔奖——图灵奖得主证实官宣。
好意思国洽商机协会（ACM）文告，Andrew Barto 和 Richard Sutton 荣获 2024 年 ACM A.M. 图灵奖，以赏赐他们在强化学习领域奠定的想法与算法基础。
ACM A.M. 图灵奖是洽商机领域的最高荣誉奖项，由 ACM 于 1966 年诞生，旨在赏赐对洽商机本事作念出执久和要害孝顺的个东说念主。
该奖项以洽商表面奠基东说念主、英国数学家艾伦·图灵定名，奖金高达 100 万好意思元，由 Google 公司提供资助。
从 20 世纪 80 年代起， Barto 和 Sutton 通过一系列论文建议了强化学习的中枢念念想，构建了其数学基础，并征战了要津算法，使其成为智能系统洽商中最紧迫的门径之一。
值得一提的是，被誉为「强化学习之父」的 Richard Sutton，曾是 Barto 的博士及博士后学生，两东说念主的师生合并建树了这一领域的基石。
现在，Barto 是马萨诸塞大学阿默斯特分校信息与洽商机科学系的荣休讲授。而 Sutton 则在阿尔伯塔大学担任洽商机科学讲授，同期亦然 Keen Technologies 的洽商科学家。
什么是强化学习？
AI 领域的中枢宗旨是构建智能体（agent），即粗略感知环境并选拔行动的实体。 而强化学习（Reinforcement Learning，RL），恰是智能体把柄环境反映的奖励信号，学习如何作念出更优决议的经由。
简略来说，就像熟识宠物一样——好的步履赐与奖励，从而增强这种步履的出现概率。
这一学习理念由来已久。
早在 1950 年，图灵本东说念主在其闻明论文《洽商机机器与智能》中就探讨了基于奖励和刑事牵累的机器学习门径。几年后，Arthur Samuel 征战了能通过自我对弈学习的跳棋规范，但随后几十年，这一标的的进展终点有限。
直到 20 世纪 80 年代初，受脸色学洽商的启发，Barto 和他的博士生 Sutton 开动矍铄化学习证实诞生为一个通用问题框架，为这一领域的发展奠定了基础。
他们鉴戒了马尔可夫决议经由（Markov Decision Processes，MDPs）提供的数学基础。 在 MDP 框架下，智能体在一个立时环境中作念出决议，每次景况震动后都会收到一个奖励信号，并以最大化弥远蕴蓄奖励为宗旨。
传统的 MDP 表面假定智能体王人备了解环境和奖励机制。
而强化学习（RL）框架则允许智能体在未知环境和未知奖励的情况下进行学习。这种对信息的最小依赖性，加上 MDP 框架的通用性，使 RL 算法不错无为诈欺于各式问题，底下将进一步先容其诈欺。
Barto 和 Sutton 偏执合并者共同征战了很多强化学习的基本算法，其中最紧迫的孝顺之一是时序差分学习（temporal difference learning），它在奖励预计问题上取得了紧迫冲突。
此外，他们还建议了计谋梯度门径（policy-gradient methods），并探索了神经收集在学习函数暗示中的诈欺。他们还联想了结合学习与策划的智能体结构，评释了智能体在学习环境学问后进行策划的价值。
除了算法孝顺，他们合著的课本《强化学习：导论》（Reinforcement Learning: An Introduction，1998）相似具有深入影响。这本书于今照旧该领域的尺度参考文件，被援用杰出 75000 次，成为该领域尺度参考文件，培养了无数洽商者。
尽管基础表面早在几十年前就已建议，ag百家乐代理但强化学习的骨子诈欺在夙昔 15 年才取得要害冲突。
这一进展主要源于强化学习与深度学习（由 2018 年图灵奖得主 Bengio、Hinton 和 LeCun 创举）的结合，催生了深度强化学习本事。没错，即是你所融会的 AI 教父——Hinton。
深度强化学习本事最具代表性的得胜案例莫过于 AlphaGo 在 2016 年和2017年连气儿驯服天下顶级围棋选手
比年来，另一项要害冲突是 ChatGPT 的出身。
ChatGPT 是一个谎言语模子（LLM），其熟识分为两个阶段，其中第二阶段选择了一种名为东说念主类反映强化学习（Reinforcement Learning from Human Feedback，RLHF）的门径，使模子粗略更好地稳健东说念主类的期许。
DeepSeek 也在其模子征战中无为使用了强化学习本事。
DeepSeek-R1-Zero 是一种王人备基于大规模强化学习熟识的模子，莫得经过监督微调（SFT）手脚初步门径。这种模子展示了刚劲的推理才调，粗略通过增多推理时刻来贬责复杂的任务。
此外，DeepSeek 还引入了群体相对计谋优化（GRPO）本事，通过强化学习与组内相对奖励机制优化模子。这种门径使得模子在数学推理、代码生成等复杂任务中阐扬出类东说念主的逻辑推理才调
强化学习的诈欺还涵盖了多个领域，包括收集拥塞放手、芯片联想、互联网告白优化、大家供应链优化、擢升聊天机器东说念主的步履和推理才调以及更正洽商机科学中的经典问题，如矩阵乘法算法等。
最终，这项当先受神经科学启发的本事，如今反过来为神经科学洽商提供了新的见地。包括 Barto 在内的洽商标明，某些强化学习算法骨子上是对东说念主脑多巴胺系统运作机制的最好解释之一，加深了咱们对大脑学习经由的斡旋。
ACM 主席 Yannis Ioannidis 评价说念：
Barto 和 Sutton 的洽商展示了跨学科门径在贬责弥远贫寒方面的宽绰后劲。从融会科学、脸色学到神经科学等多个领域的洽商，引发了强化学习的出身。而强化学习不仅奠定了东说念主工智能领域的一些最紧迫冲突的基础，还让咱们对大脑的运作机制有了更深入的意志。
Barto 和 Sutton 的孝顺不单是是一个过渡阶段的服从，而是一个仍在执续发展的领域。强化学习仍在抵制跨越，不仅股东洽商机科学的发展，也为很多其他学科带来了无尽可能。
因此，咱们授予他们洽商机领域最具影响力的奖项，实至名归。
在 1947 年的一次演讲中，艾伦·图灵曾说：「咱们想要的是一台粗略从教会中学习的机器。」
对此，Google 高档副总裁 Jeff Dean 则暗示：
Barto 和 Sutton 创举的强化学习，恰是对图灵这一愿景的胜仗恢复。他们的洽商成为夙昔几十年东说念主工智能跨越的要津。
他们征战的器具仍然是现时东说念主工智能波澜的中枢撑执，股东了要害本事冲突，诱惑了多半年青洽商者，并驱动了数十亿好意思元的投资。强化学习的影响力还将执续彭胀至异日。
Google 很孤高粗略援助 ACM A.M. 图灵奖，以赏赐那些塑造了更正咱们生计的本事的了得个东说念主。
获奖者简介
Andrew G. Barto
Andrew Barto 是马萨诸塞大学阿默斯特分校信息与洽商机科学系的荣休讲授。他于 1977 年以博士后洽商员身份加入 UMass Amherst，随后担任过副讲授、讲授及系主任等多个职务。
Barto 在密歇根大学赢得数学学士学位（荣誉），并在该校陆续攻读洽商机与通讯科学专科，赢得硕士和博士学位。
Barto 曾荣获多项荣誉与奖项，包括马萨诸塞大学神经科学终生建树奖、海外东说念主工智能揣摸会议（IJCAI）洽商不凡奖、IEEE 神经收集学会时尚奖、IEEE 会士以及好意思国科学促进会（AAAS）会士。
Richard S. Sutton
Richard Sutton 是阿尔伯塔大学洽商机科学系的讲授，同期亦然 Keen Technologies（总部位于好意思国得克萨斯州达拉斯的通用东说念主工智能公司）的又名洽商科学家，并担任阿尔伯塔机器智能洽商所（Amii）的首席科学照拂人。
2017 年至 2023 年间，Sutton 曾在 DeepMind 担任了得洽商科学家。
在加入阿尔伯塔大学之前，他曾于 1998 年至 2002 年在新泽西州弗洛勒姆帕克的 AT&T 香农推行室东说念主工智能部门担任首席本事职员。
Sutton 与 Andrew Barto 的合并始于 1978 年，其时他在马萨诸塞大学阿默斯特分校攻读博士学位，Barto 是他的博士及博士后导师。
Sutton 先在斯坦福大学赢得脸色学学士学位，随后在马萨诸塞大学阿默斯特分校赢得洽商机与信息科学硕士和博士学位。
Sutton 曾荣获多项荣誉，包括 IJCAI 洽商不凡奖、加拿大东说念主工智能协会终生建树奖，以及马萨诸塞大学阿默斯特分校的不凡洽商建树奖。此外，他如故英国皇家学会会士、好意思国东说念主工智能促进会（AAAI）会士，以及加拿大皇家学会会士。
附上参考联结： https://amturing.acm.org/https://www.acm.org/media-center/2025/march/turing-award-2024https://x.com/TheOfficialACM/status/1897225672935735579