2024 · 人工智能

从下一步的结果中学习

强化学习连接行动、奖励与不断改进的预测。

安德鲁·巴托 · 理查德·萨顿

2024图灵奖

视觉指南

奖项，化为图解

阅读图解文字

通过交互学习，成为从游戏到控制等决策系统中的重要方法。

奖励信号规定的是训练目标；最大化奖励并不自动产生人类真正期望的行为。

01 · 核心想法

安德鲁·巴托和理查德·萨顿奠定了强化学习的概念与算法基础。智能体采取行动，观察结果，利用奖励信号改进未来行为。时序差分学习结合即时结果与对后续情况的新预测，更新当前预测。

通过交互学习，成为从游戏到控制等决策系统中的重要方法。

02 · 人物

安德鲁·巴托推动强化学习成为从奖励中学习的计算方法。他在马萨诸塞大学阿默斯特分校与理查德·萨顿等人合作，联系自适应控制、神经网络和交互学习。他参与建立该领域的概念与算法基础，并共同撰写标准教材。他对共同获奖成果的贡献包括基础研究、长期指导及知识体系的整理。

理查德·萨顿发展强化学习的核心思想，包括利用连续预测之间差异学习的时序差分方法。他还研究如何在同一智能体中结合学习、规划与行动。他与安德鲁·巴托合作开展基础研究并撰写广泛使用的教材。他在阿尔伯塔大学与 Keen Technologies 的任职，体现其持续探索通用学习系统。

03 · 延伸阅读

本站原创讲解依据官方获奖记录。领域标签用于编辑导航。