01 · 计算人生
成果背后的人
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。
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。