3月6日消息，當地時間3月5日，美國計算機學會宣布，安德魯·巴托和理查德·薩頓獲得 2024 年 ACM A.M. 圖靈獎，以表彰他們在強化學習方向的研究。
據了解，自 20 世紀 80 年代起，巴托和薩頓在一系列論文中提出了強化學習的核心思想、構建了數學基礎并開發了重要算法，使其成為創建智能系統的關鍵方法之一。
獲獎后，“強化學習之父”薩頓在采訪中探討了AI的發展進程，同時給予了青年研究員們一些個人建議。
當被主持人問道AI領域智能愿景，在這么多年即將要實現，是不是特別激動時。
薩頓坦然表示：沒錯，但也不盡然，我并不認同“一切都能迅速地大功告成”的觀點。
他繼續補充道：AI確實已經取得巨大進展，但我不認可那種急于求成的心態。
“我認為這是一場馬拉松，而非短跑沖刺，前面的路還很長，AI偉大、具影響力的那些方面尚未到來。”
隨后，主持人又問到了其對于研究者，尤其是年輕的研究者的建議。
薩頓認為：“跑馬拉松”挺不容易的，保持動力也不簡單，我的建議是，要志存高遠，但別驕傲自滿！”
說到這一點，他與主持人相視哈哈大笑。
隨后，他繼續補充道：我始終敬佩年輕人不盲從權威的態度，因為沒有人能獨斷AI的發展方向，在科學領域不存在所謂的權威，這就賦予了任何人的能力和權力。
同時，薩頓謙遜強調：這也許令人有些失落，因為你或許曾視我為權威，而我本可利用這一名號，但我必須坦誠，我不能。
眾所周知，ACM A.M. 圖靈獎素有 “計算機界諾貝爾獎” 之稱，以英國數學家艾倫·圖靈（Alan Turing）命名，他奠定了計算的數學基礎，通常被認為是理論計算機科學和人工智能的創始人。
另外，該獎從1966年開始頒發，2014年起獎金為 100 萬美元，由谷歌公司提供。
在這里，特別強調一下什么是“強化學習”？
人工智能（AI）領域關注構建智能體，即能感知與行動的實際存在，而更智能的智能體現在其能選擇更優的行動方案。因此，“某些行動優于其他”的概念是 AI 的核心。
獎勵（reward，源于心理學與神經科學的術語）表示提供給智能體與其實際行為質量相關的信號。
強化學習（RL） 則是通過獎勵信號學習更成功行為的過程。
20 世紀 80 年代初，受心理學啟發，巴托與博士生薩頓開始將強化學習定義為通用問題框架。
在此后的數十年間，巴托和薩頓與其他研究人員共同開發了強化學習的許多基本算法。
比如，他們二人編寫的經典教材《強化學習：導論》（Reinforcement Learning: An Introduction，1998）被引用超 7.5 萬次，至今仍是該領域標準參考資料。
在這本書的影響下，成千上萬的研究者能夠理解并參與到這個新興領域，并繼續激發今天計算機科學領域的大量重要創新。
盡管巴托和薩頓的算法誕生于數十年前，但其與深度學習算法的結合（由2018年圖靈獎獲得者Bengio、Hinton和LeCun開創），從而導致了深度強化學習的出現，并在過去 15 年取得多項重大突破。
突出的例子是 AlphaGo 程序在 2016 年和 2017 年戰勝了優秀的人類圍棋選手。近一項重大成就則是聊天機器人 ChatGPT 的開發。
本文鏈接：http://www.bbbearmall.com/news-133993.html新晉圖靈獎得主薩頓：AI發展是場馬拉松 具影響力的方面尚未到來
