3月5日，全球最大的计算机专业人士协会计算机协会(ACM)宣布，将2024年图灵奖授予安德鲁·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方面做出的奠基性贡献。
巴托目前是马萨诸塞大学荣誉退休教授。萨顿现在担任阿尔伯塔大学教授，他也是前DeepMind研究科学家。
查德·萨顿有着“强化学习之父”的美誉，安德鲁·巴托则是萨顿的博士导师。自 1980 年代起，两位学者就在一系列论文中提出了强化学习的主要思想，并构建了强化学习的数学基础，开发了强化学习的重要算法。两人合著的《Reinforcement Learning: An Introduction》一直是强化学习领域最经典的教材之一。
ACM在颁奖词中高度评价了两位科学家的贡献：“萨顿和巴托的工作不仅推动了强化学习的理论发展，还为深度强化学习的崛起铺平了道路。他们的研究成果在游戏AI、机器人控制、自动驾驶等领域产生了深远影响”。
强化学习的突破性进展在近年来尤为显著。2016年，谷歌DeepMind开发的AlphaGo利用强化学习技术击败了世界顶级围棋选手李世石，震惊全球。
过去十年，强化学习在人工智能(AI)的崛起中发挥了至关重要的作用，包括OpenAI的ChatGPT和DeepSeek等突破性技术。
强化学习在许多其他领域也取得了成功，其中之一是机器人运动技能学习。通过强化学习，机器手可以学会操作物体和解决物理问题；并且这种学习过程可在模拟中完成，然后再迁移到现实世界。
不过，在领奖之际，巴托和萨顿也表达了对当前人工智能开发中安全隐患的深切担忧。巴托指出，许多公司在产品尚未经过充分测试的情况下急于推向市场，这种做法无异于“建造一座桥，然后通过让行人使用来测试其安全性”。
萨顿补充说，人工智能公司过于受商业利益驱动，忽视了研究的深入发展。他们呼吁业界重视技术可能带来的负面影响，遵循更严谨的安全标准。
ACM 图灵奖被称为“计算机领域的诺贝尔奖”，奖金为 100 万美元，由谷歌公司提供资金支持。该奖项以提出计算数学基础的英国数学家艾伦・图灵命名。
47847
26
47847
26
48158
46
18095
59
76276
17
65573
36
63128
4
86478
85
30367
78
63524
2
62738
4
31856
47
71272
50
83067
20
99712
97
54978
31
63720
90
94331
53
29063
54
68942
21
89181
94
23218
58
28745
52
81201
44
17391
69
29549
6
17480
70
89028
4
98746
88
79267
68
83517
81
27017
78
54410
77
62398
1
63428
58
63473
31
47199
19
84052
15
46245
22
19684
80
22271
49
94874
50
36152
35
45060
29
74946
99
90160
42
41857
2
66369
8
47534
52
61701
52980
33
50061
60
68054
69
93840
53
92885
11