2024圖靈獎出爐,，ChatGPT,、DeepSeek背后功臣戴上遲來的冠冕

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2025-03-06 15:14:27 新智元

2024圖靈獎出爐，ChatGPT,、DeepSeek背后功臣戴上遲來的冠冕,！2024年圖靈獎授予了強化學(xué)習(xí)領(lǐng)域的兩位先驅(qū)——Andrew G. Barto和Richard S. Sutton，以表彰他們在這一領(lǐng)域奠定的概念和算法基礎(chǔ),。他們的貢獻為創(chuàng)建智能系統(tǒng)提供了重要方法,。

Barto和Sutton從1980年代開始的一系列論文中引入了強化學(xué)習(xí)的核心理念，構(gòu)建了數(shù)學(xué)基礎(chǔ),，并開發(fā)了關(guān)鍵算法,。1998年，他們合著的《強化學(xué)習(xí)導(dǎo)論》至今仍被視為該領(lǐng)域的奠基之作,，被引用超過75,000次,。

目前，Barto是馬薩諸塞大學(xué)阿姆赫斯特分校信息與計算機科學(xué)系的名譽教授,，而Sutton則是阿爾伯塔大學(xué)計算機科學(xué)教授、Keen Technologies的首席研究員以及阿爾伯塔機器智能研究所的特聘研究員,。得知獲獎消息時,，Sutton感到非常震驚。

Sutton長期思考如何讓機器學(xué)習(xí)的問題,，他認為研究必須從小處著手,，基礎(chǔ)研究不會立即帶來明顯的技術(shù)改進。早在1978年,，Sutton在攻讀博士學(xué)位期間就開始與導(dǎo)師Barto合作,。他們編寫了一些最早的強化學(xué)習(xí)算法,，使機器通過反復(fù)試錯獲取知識。

盡管Sutton對大語言模型（LLM）持批評態(tài)度,，認為它們只是模仿人類行為而不真正理解自己的行動,，但他依然堅守基礎(chǔ)研究。在他看來,，真正的智能系統(tǒng)應(yīng)該能夠從經(jīng)驗中學(xué)習(xí)并調(diào)整行為,。Sutton的前同事Michael Bowling評價他是一位堅持基礎(chǔ)研究的人。

近年來,，強化學(xué)習(xí)越來越受到重視,。例如，DeepSeek就利用正反饋循環(huán)來訓(xùn)練AI,。Sutton謙遜且不事張揚,，他將自己視為一個強化學(xué)習(xí)智能體，通過經(jīng)驗不斷學(xué)習(xí),。

強化學(xué)習(xí)是指在獎勵信號引導(dǎo)下找到更好行動方案的過程,。這一理念借鑒了心理學(xué)和神經(jīng)科學(xué)中的獎勵機制。Barto和Sutton借鑒了馬爾可夫決策過程（MDP）的數(shù)學(xué)基礎(chǔ),，提出了時間差分學(xué)習(xí)等基本算法,。這些算法結(jié)合深度學(xué)習(xí)技術(shù)，在過去十五年中取得了重大突破,，如AlphaGo戰(zhàn)勝圍棋高手和ChatGPT的出現(xiàn),。

Barto是IEEE和AAAS的Fellow，曾獲得多項獎項,。Sutton也是多個學(xué)術(shù)組織的Fellow,，曾在DeepMind擔(dān)任杰出研究科學(xué)家，并獲得了多個榮譽,。

(責(zé)任編輯：盧其龍 CN070)

關(guān)閉

2024圖靈獎出爐,，ChatGPT,、DeepSeek背后功臣戴上遲來的冠冕

相關(guān)新聞

今日熱點

頻道熱點