01 · 计算人生
成果背后的人
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。
理解这项贡献
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。
为什么重要
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。