全球电脑科学界最高荣誉「图灵奖」于2024年颁发给两位人工智慧（AI）领域的先锋：安德鲁·巴托（Andrew Barto）博士和理查德·萨顿（Richard Sutton）博士，以表彰他们在「强化学习」领域的开创性贡献。

美国电脑协会（ACM）于週三正式宣布此消息。巴托博士现为麻省大学荣誉退休教授，萨顿博士则任职于亚伯达大学，并曾担任DeepMind研究科学家。两人将共同分享100万美元的奖金。图灵奖设立于1966年，被誉为「电脑科学界的诺贝尔奖」。

「他们是强化学习领域无庸置疑的先驱。」华盛顿大学电脑科学荣誉退休教授奥伦·埃特齐恩（Oren Etzioni）表示，「他们提出了关键概念，并撰写了该领域的权威着作。」

强化学习推动AI发展

在过去十年中，强化学习在AI的崛起中扮演了至关重要的角色，包括Google的AlphaGo和OpenAI的ChatGPT等突破性技术，都得益于巴托博士和萨顿博士的研究成果。

1977年，巴托博士在麻省大学阿默斯特分校担任研究员时，开始探索一种新的理论，即神经元的行为类似于享乐主义者。其核心理念是，人类大脑由数十亿个神经细胞驱动，每个神经细胞都在努力将愉悦感最大化，痛苦感最小化。

一年后，萨顿博士加入他的行列。他们共同努力，将这个简单的概念应用于AI领域，催生了「强化学习」——一种让AI系统从数位世界的「愉悦」与「痛苦」中学习的方法。

AlphaGo、ChatGPT背后功臣

2016年，AlphaGo击败围棋世界冠军李世乭，震惊全球。这场AI的「登月时刻」正是强化学习的威力展现。Google DeepMind团队核心成员大卫·席尔瓦（David Silver）正是萨顿博士在亚伯达大学的学生。透过数百万次的自我对弈，系统建立起「胜者愉悦-败者痛苦」的回馈机制，最终突破人类千年围棋智慧。

这种学习模式在ChatGPT等大型语言模型中持续进化。2022年底，OpenAI透过「人类回馈强化学习」（RLHF）技术，让数百名标注员引导模型优化应答。当聊天机器人学会辨别优质回答并获得「奖赏」时，其对话能力产生了质的飞跃。近期，DeepSeek等企业更开发出自主强化学习系统，使AI能像解数学题般，透过试错掌握逻辑推理能力。

现年76岁的巴托教授指出：「透过强化学习控制物理躯体，将是自然演进的下个阶段。」目前任职于Keen Technologies的萨顿博士也认为，当前基于文字的学习只是序章，未来机器人将在真实世界中像生物般试错成长。

巴托博士和萨顿博士的贡献，不仅为AI领域带来了革命性的突破，也为我们描绘了AI发展的无限可能。