两位开创性的计算机科学家因其在强化学习领域的工作荣获2024年图灵奖。该学科通过基于奖励的试错方法，使机器能够在受限或动态环境中进行适应。
马萨诸塞大学阿默斯特分校荣休教授安德鲁·G·巴托与阿尔伯塔大学教授理查德·S·萨顿，自20世纪80年代起发表了一系列开创性论文，开发了包括时序差分学习在内的关键算法与理论，并合著了学术教科书《强化学习：导论》。
图灵奖以备受尊敬的数学家艾伦·图灵（上图所示）命名。早在20世纪50年代，图灵便在题为“计算机智能与智慧”的论文中质疑计算机是否能够思考，并触及了从经验中学习的类似概念。
近年来，随着谷歌DeepMind利用该技术构建出击败世界顶尖选手的人工智能AlphaGo，强化学习受到更多关注。过去几个月里，中国AI初创公司DeepSeek因其具有变革意义的R1推理模型登上头条，该模型高度依赖强化学习来创建更具成本效益的基础模型。
“计算机领域的诺贝尔奖”
由美国计算机协会（ACM）管理的图灵奖常被称为“计算领域的诺贝尔奖”。与此同时，诺贝尔奖本身也逐渐涉足计算及人工智能领域：去年，杰弗里·辛顿和约翰·霍普菲尔德因基础AI研究获诺贝尔物理学奖；随后不久，DeepMind的Demis Hassabis和John Jumper也因AlphaFold相关工作被授予诺贝尔化学奖。
ACM主席Yannis Ioannidis在新闻稿中表示：“从认知科学、心理学到神经科学的研究启发了强化学习的发展。它为AI的一些最重要进展奠定了基础，也让我们更深入地了解大脑的工作原理。Barto和Sutton的工作并非仅仅是已跨越的垫脚石，强化学习仍在不断发展，为计算及其他许多学科的进步提供了巨大潜力。我们以最崇高的奖项表彰他们，恰如其分。”
其他著名的AI先驱还包括Meta首席AI科学家杨立昆，他于2018年与杰弗里·辛顿、约书亚·本吉奥共同因深度神经网络方面的工作获得该奖项。
Barto和Sutton将分享由Google支持的100万美元现金奖金。