街机电玩城水果机

新智元报道④、【新智元导读】80年代⑥，当强化学习被冷落▓，这对师徒没有放弃⑭；如今⑪，重看来时路⑳，他们给出的建议仍然是❶，「坚持」住自己的科研思想⑪。

3月5日⑪，计算机学会宣布Andrew Barto和Richard Sutton获得图灵奖③，以表彰其在强化学习领域做出的奠基性贡献❸。

自从9年前AlphaGo围棋大胜▓，引爆全民RL狂欢❷，再到如今Deepseek-R1等推理模型的火热⑳，足以证明强化学习在人工智能领域的长久影响力❸。

最近⑩，Communications of the ACM发布了一段对师徒二人的采访⑪，从强化学习的研究经历④，聊到对人工智能的未来预测⑰。

Barto侧重于多智能体协作学习①，Sutton则认为AGI还需要至少几十年⑯，但最终一定能实现⑥，二人对AI的未来以及强化学习的应用前景都充满希望⑥！

关于两人共同获得的100万美元图灵奖奖金⑨，目前尚未确定具体用途❶。

Sutton表示可能将其份额捐赠给共同创立的Openmind研究所⑪，给青年科学家提供「奢侈」的科研自由②，让他们像自己当年那样专注探索基础性问题⑳。

Barto则计划用奖金在马萨诸塞大学设立研究生奖学金⑯。

强化学习萌芽⑲、1975年的斯坦福校园里③，当时还是心理学专业的本科生Richard Sutton④，翻遍了图书馆里所有关于机器智能的文献⑱，认知受到了巨大冲击⑭。

他对主流的「模式识别」和「示例学习」观点感到失望⑩，认为动物并不是这么学习的⑰，而是通过某种奖励反馈机制⑳。

当时⑥，唯一将奖励与学习联系起来的研究人员是美国空军实验室的A. Harry Klopf⑰，认为脑细胞会主动寻求奖励⑭。

Sutton立即决定给Klopf写信⑲，并在1978年心理学毕业后⑭，在马萨诸塞大学阿默斯特分校从事研究❸，主要工作就是测试Klopf的观点⑲。

团队当时有一位博士后Andrew Barto⑭，在接受空军和国家科学基金会长达五年的资助后⑥，除了一份报告⑰，并没有交付出任何成果⑲。

Barto于1970年获得密歇根大学数学学士学位⑯，1975年获得计算机科学博士学位②，最终成为UMass自适应网络实验室的联合主任①，2012年退休⑮。

Sutton加入实验室后⑰，成为了Barto的第一位博士生⑭，二人最终发展出了现代强化学习技术⑲，奖励也是其中的核心❸，通过设计奖励信号来训练神经网络⑭，让神经元顺着预期方向发展⑬。

1984年②，Sutton在马萨诸塞大学安姆斯特分校获得了博士学位⑯，直到1994年⑤，Sutton都是GTE Laboratories的计算机和智能系统实验室的技术组的主要成员▓，随后又以资深研究科学家的身份回到了马萨诸塞大学安姆斯特分校⑱。

任职期间①，Barto和Sutton共同出版了《强化学习导论》❶，获得了超8万次引用⑯，2018年又发行了第二版❸，至今仍是全球AI学子的圣经④。

同时❶，Sutton加入AT&T Shannon Laboratory担任人工智能部门的主要技术组成员⑭，研究方向围绕着决策者与其环境交互时所面临的学习问题⑫，持续改进自己对世界的表征和模型的系统①。

2003年之后⑧，Sutton成了阿尔伯塔大学计算机科学系的教授和 iCORE Chair⑦，领导着强化学习与人工智能实验室❷。

不过②，说起强化学习的历史❶，Barto也提到▓，他们的思路并不新鲜❷。

早在1954年❸，人工智能先驱马文明斯基的博士学位论文主题就是模拟神经的强化学习系统⑧，也是IBM计算机科学家Arthur Samuel用来训练计算机下棋的方法⑰。

然而▓，到了20世纪70年代④，这个想法已经过时⑤，大多数AI研究员都在设计专家系统⑲，Barto也庆幸自己能够保持「不合时宜」⑪。

Barto和Sutton提出的一个关键技术是「时间差分学习」⑩。

比如❸，想教一台计算机学习下棋⑨，奖励信号如果是赢得游戏⑫，那中间哪些动作步骤是正确的⑰，仍然无法确定③；即时奖励可以在计算机预测一步后⑲，反馈出离最终奖励仍然有多少距离①，比如胜率是否增加⑤。

预测随时间的变化提供强化信号③，那么在下次计算机下棋时⑯，就可以采取那些能增加胜率的动作②。

破圈⑦、2016年④，一场围棋人机大战⑧，让强化学习广为人知⑧，连学术圈之外的人都能聊两句「阿尔法狗」⑲。

Google DeepMind开发的AlphaGo⑩，最终以四胜一败击败李世乭⑥，赛后韩国棋院授予AlphaGo为荣誉九段⑱。

2017年①，AlphaGo Master以3：0的战绩⑥，击败了世界排名第一的围棋棋手柯洁❸，从此人类棋手再无一人是机器的对手❸。

可以说❶，强化学习让「围棋」死了一半②。

之前的机器学习方法主要是有监督学习和无监督学习④，在有监督设置下③，人工标注样本给机器进行学习❶，样本量有限❷，无法适应「围棋」这种特征空间很大的情况⑩；而无监督学习则是自动提取出有效特征⑭，以在数据中找到结构⑮。

这两种方法在计算中都已被证明是有用的⑭，但都不是生物大脑的学习方式⑧。

强化学习的思路是⑯，当神经网络实现了一个指定目标时⑫，就会获得一定数值的奖励②；如果失败了⑪，会得到一个负值奖励②。

机器可以通过不断试错来学习⑰，尝试不同的移动⑳，最终学到了在不同场景下应该使用哪种移动方式⑤。

此后②，强化学习一路高歌猛进⑦，不仅攻克了各种电子竞技游戏⑩，还引发了大型语言模型的推理革命❶，比如OpenAI o系列⑪、DeepSeek-R1等推理模型⑳，已成为新的研究主流⑦。

人工智能的未来⑰、Barto预测人工智能领域将向多智能体强化学习方向演进⑳，由神经网络社群及其个体奖励系统将形成互动①，这种机制可能进一步催生出协作网络❷，多个模型为实现共同目标而互相奖励⑬，也可能引发持有不同目标的智能体之间的利益冲突①。

此类交互将对经济学与博弈论等复杂领域产生深远影响⑰。

Sutton则认为人工智能发展仍处于初级阶段①，包括向通用人工智能的探索⑫，即机器能理解人类认知范围内的所有事物⑦，Sutton坚信强化学习将在这一进程中发挥关键作用⑯。

谈到给年轻计算机研究人员的建议❶，Barton倡导效仿二人的科研路❷，勇敢追随自己的研究兴趣⑮，不必在意领域内其他人的看法⑱。虽然这很困难⑲，但你必须找到内在驱动力③，并尽你最大的能力坚持下去②。

Sutton则给出更具体的建议▓，「坚持写作」▓，通过文字记录来锤炼思想⑮。

一说起计算机科学的未来⑩，Sutton就充满信心：未来几十年内❸，人类将彻底破解人工智能的奥秘❶！这有可能是史上最伟大的智力飞跃⑥，能为其贡献绵薄之力是我们的荣幸▓。

参考资料：

转载：感谢您对电玩城捕鱼种类都有的软件网站平台的认可⑧，以及对电玩城捕鱼种类都有的软件原创作品以及文章的青睐❶，非常欢迎各位朋友分享到个人站长或者朋友圈⑱，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑨。

很赞哦⑩！