2024年图灵奖授予Andrew Barto和Richard Sutton，因其在强化学习领域的奠基性贡献。他们的研究成果对人工智能发展影响深远，共同撰写了RL领域经典教材，构建了理论体系并提出诸多关键概念。

🎓Andrew Barto和Richard Sutton获2024年图灵奖，是强化学习领域创始人。

📖共同撰写强化学习经典教材《强化学习：导论》，是RL领域“圣经”。

💡构建强化学习理论体系，明确核心思想，提出诸多关键概念如MDP、价值函数等。

2025-03-05 21:01 北京

刚刚，计算机学会（ACM）宣布了 2024 年的「图灵奖」获得者：

- Andrew G. Barto (马萨诸塞大学阿默斯特分校荣誉退休教授，Sutton 的博士导师)

- Richard S. Sutton (强化学习之父，阿尔伯塔大学教授，DeepMind 杰出研究科学家)

【获奖理由】：

Andrew Barto 和 Richard Sutton 因其在强化学习（Reinforcement Learning, RL） 领域做出的奠基性贡献而共同获得 2024 年图灵奖。他们被公认为强化学习领域的创始人，其研究成果对人工智能的发展产生了深远影响。

【核心贡献】：

1、共同撰写了强化学习领域的经典教材《Reinforcement Learning: An Introduction》（中文名《强化学习：导论》），是 RL 领域的“圣经”。

2、构建了强化学习理论体系，明确了强化学习的核心思想：智能体（Agent）通过与环境（Environment）的交互，学习如何采取行动（Action）以最大化累积奖励（Reward）。

3、提出了强化学习领域的诸多关键概念：

a. 马尔可夫决策过程（Markov Decision Process, MDP）：为强化学习问题提供了数学形式化描述。

b. 价值函数（Value Function）：用于评估状态或状态-动作对的“好坏”。

c. 策略（Policy）：定义了智能体在不同状态下采取行动的规则。

d. 贝尔曼方程（Bellman Equation）：为计算价值函数提供了递归关系。

e. 时序差分学习（Temporal Difference Learning, TD Learning）：Sutton 提出，是强化学习中最核心、最成功的算法之一，TD 学习后来成为 Q-learning 和深度强化学习（如 DQN）的核心思想。

f. 策略梯度方法（Policy Gradient Methods）: 直接优化策略参数，而不是通过价值函数间接优化。

跳转微信打开