上海赌博电玩城

新智元报道②、【新智元导读】80年代⑫，当强化学习被冷落⑨，这对师徒没有放弃❸；如今⑳，重看来时路④，他们给出的建议仍然是⑩，「坚持」住自己的科研思想⑥。

3月5日❷，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⑲。

自从9年前AlphaGo围棋大胜⑤，引爆全民RL狂欢⑪，再到如今Deepseek-R1等推理模型的火热⑮，足以证明强化学习在人工智能领域的长久影响力②。

最近❷，Communications of the ACM发布了一段对师徒二人的采访▓，从强化学习的研究经历③，聊到对人工智能的未来预测⑬。

Barto侧重于多智能体协作学习⑫，Sutton则认为AGI还需要至少几十年①，但最终一定能实现⑯，二人对AI的未来以及强化学习的应用前景都充满希望⑧！

关于两人共同获得的100万美元图灵奖奖金⑬，目前尚未确定具体用途⑧。

Sutton表示可能将其份额捐赠给共同创立的Openmind研究所⑯，给青年科学家提供「奢侈」的科研自由⑮，让他们像自己当年那样专注探索基础性问题❶。

Barto则计划用奖金在马萨诸塞大学设立研究生奖学金⑩。

强化学习萌芽②、1975年的斯坦福校园里⑨，当时还是心理学专业的本科生Richard Sutton⑪，翻遍了图书馆里所有关于机器智能的文献⑲，认知受到了巨大冲击⑰。

他对主流的「模式识别」和「示例学习」观点感到失望❷，认为动物并不是这么学习的⑮，而是通过某种奖励反馈机制⑰。

当时②，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 Klopf④，认为脑细胞会主动寻求奖励⑥。

Sutton立即决定给Klopf写信⑳，并在1978年心理学毕业后⑤，在马萨诸塞大学阿默斯特分校从事研究⑤，主要工作就是测试Klopf的观点⑭。

团队当时有一位博士后Andrew Barto⑫，在接受空军和国家科学基金会长达五年的资助后⑫，除了一份报告⑥，并没有交付出任何成果⑬。

Barto于1970年获得密歇根大学数学学士学位⑫，1975年获得计算机科学博士学位⑭，最终成为UMass自适应网络实验室的联合主任⑤，2012年退休❶。

Sutton加入实验室后⑮，成为了Barto的第一位博士生❸，二人最终发展出了现代强化学习技术▓，奖励也是其中的核心⑥，通过设计奖励信号来训练神经网络⑤，让神经元顺着预期方向发展⑥。

1984年⑫，Sutton在马萨诸塞大学安姆斯特分校获得了博士学位⑨，直到1994年⑪，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②，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⑤。

任职期间⑨，Barto和Sutton共同出版了《强化学习导论》⑳，获得了超8万次引用⑰，2018年又发行了第二版⑲，至今仍是全球AI学子的圣经⑬。

同时❷，Sutton加入AT&T Shannon Laboratory担任人工智能部门的主要技术组成员⑥，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⑦，持续改进自己对世界的表征和模型的系统⑩。

2003年之后⑩，Sutton成了阿尔伯塔大学计算机科学系的教授和 iCORE Chair⑩，领导着强化学习与人工智能实验室⑳。

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⑩。

早在1954年▓，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❸，也是IBM计算机科学家Arthur Samuel用来训练计算机下棋的方法▓。

然而⑲，到了20世纪70年代⑤，这个想法已经过时⑮，大多数AI研究员都在设计专家系统⑫，Barto也庆幸自己能够保持「不合时宜」⑬。

Barto和Sutton提出的一个关键技术是「时间差分学习」⑦。

比如⑳，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⑭，仍然无法确定⑬；即时奖励可以在计算机预测一步后②，反馈出离最终奖励仍然有多少距离⑯，比如胜率是否增加⑭。

预测随时间的变化提供强化信号❷，那么在下次计算机下棋时⑮，就可以采取那些能增加胜率的动作❶。

破圈⑫、2016年❷，一场围棋人机大战②，让强化学习广为人知⑰，连学术圈之外的人都能聊两句「阿尔法狗」④。

Google DeepMind开发的AlphaGo⑨，最终以四胜一败击败李世乭⑪，赛后韩国棋院授予AlphaGo为荣誉九段⑪。

2017年❷，AlphaGo Master以3：0的战绩③，击败了世界排名第一的围棋棋手柯洁▓，从此人类棋手再无一人是机器的对手②。

可以说⑤，强化学习让「围棋」死了一半⑩。

之前的机器学习方法主要是有监督学习和无监督学习⑮，在有监督设置下⑱，人工标注样本给机器进行学习⑲，样本量有限❶，无法适应「围棋」这种特征空间很大的情况③；而无监督学习则是自动提取出有效特征⑳，以在数据中找到结构⑬。

这两种方法在计算中都已被证明是有用的⑫，但都不是生物大脑的学习方式❷。

强化学习的思路是❷，当神经网络实现了一个指定目标时▓，就会获得一定数值的奖励▓；如果失败了⑩，会得到一个负值奖励⑨。

机器可以通过不断试错来学习⑯，尝试不同的移动④，最终学到了在不同场景下应该使用哪种移动方式❸。

此后❶，强化学习一路高歌猛进③，不仅攻克了各种电子竞技游戏⑯，还引发了大型语言模型的推理革命⑨，比如OpenAI o系列❷、DeepSeek-R1等推理模型⑥，已成为新的研究主流⑱。

人工智能的未来⑩、Barto预测人工智能领域将向多智能体强化学习方向演进⑬，由神经网络社群及其个体奖励系统将形成互动❷，这种机制可能进一步催生出协作网络⑲，多个模型为实现共同目标而互相奖励▓，也可能引发持有不同目标的智能体之间的利益冲突▓。

此类交互将对经济学与博弈论等复杂领域产生深远影响⑬。

Sutton则认为人工智能发展仍处于初级阶段❶，包括向通用人工智能的探索⑤，即机器能理解人类认知范围内的所有事物④，Sutton坚信强化学习将在这一进程中发挥关键作用❶。

谈到给年轻计算机研究人员的建议⑥，Barton倡导效仿二人的科研路▓，勇敢追随自己的研究兴趣⑩，不必在意领域内其他人的看法⑤。虽然这很困难⑮，但你必须找到内在驱动力⑮，并尽你最大的能力坚持下去⑧。

Sutton则给出更具体的建议⑯，「坚持写作」⑲，通过文字记录来锤炼思想⑱。

一说起计算机科学的未来⑰，Sutton就充满信心：未来几十年内⑲，人类将彻底破解人工智能的奥秘⑩！这有可能是史上最伟大的智力飞跃⑳，能为其贡献绵薄之力是我们的荣幸⑧。

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④，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①，非常欢迎各位朋友分享到个人站长或者朋友圈⑨，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑭。

很赞哦⑥！