At træne maskiner på samme måde, som dyretrænere former adfærden hos hunde eller heste, har været en afgørende tilgang i udviklingen af kunstig intelligens. Denne metode blev hædret onsdag med den prestigefyldte A. M. Turing Award, der ofte betragtes som Nobelprisen inden for teknologiverdenen. Vinderne af årets pris, Andrew Barto og Richard Sutton, anerkendes som pionerer inden for forstærkningslæring, et område der har set betydelige udviklinger siden deres indledende forskning begyndte i slutningen af 1970'erne. Deres grundlæggende arbejde har muliggjort adskillige AI-gennembrud i det seneste årti, med fokus på at skabe "hedonistiske" maskiner, der kan tilpasse deres adfærd som reaktion på positiv feedback. Forstærkningslæring var afgørende, da Googles computerprogram besejrede topmenneskelige konkurrenter i det gamle kinesiske brætspil Go i 2016 og 2017. Det spiller også en vital rolle i forbedringen af vidt anvendte AI-applikationer som ChatGPT, optimering af finanshandelsstrategier og muliggør, at en robotarm kan løse en Rubik's cube. Barto bemærkede dog, at da han og Sutton, hans doktorand, begyndte at udvikle deres teorier og algoritmer ved University of Massachusetts, Amherst, var feltet stort set "utraditionelt. " "Vi var i en eller anden grad i ørkenen, " sagde Barto i et interview med The Associated Press. "Det gør det især tilfredsstillende at modtage denne pris, da den fremhæver relevansen og fascinationen af vores arbejde, som ikke blev anerkendt i de tidlige dage. " Den årlige pris på 1 million dollars, annonceret af Association for Computing Machinery, er sponsoreret af Google. Selvom Barto, som nu er pensioneret fra University of Massachusetts, og Sutton, en mangeårig professor ved University of Alberta i Canada, ikke er de første AI-innovatører til at modtage prisen opkaldt efter den britiske matematiker, kodeknækker og tidlige AI-pioner Alan Turing, har deres forskning direkte adresseret Turings appel i 1947 om en maskine, der kan "lære af erfaring. " Sutton beskriver dette som "sandsynligvis det grundlæggende koncept inden for forstærkningslæring. " Deres arbejde inkorporerede indsigter fra psykologi og neurovidenskab om, hvordan belønningssøgende neuroner reagerer på belønninger og straf.

Et banebrydende papir, der blev offentliggjort i begyndelsen af 1980'erne, demonstrerede deres nye tilgang gennem en specifik opgave: at balancere en stang på en bevægende vogn for at forhindre den i at falde. De co-forfattede senere en lærebog om forstærkningslæring, der anvendes vidt. "De værktøjer, de udviklede, er grundlæggende for den nuværende AI-bølge, hvilket fører til betydelige fremskridt, tiltrækker utallige unge forskere og genererer milliarder i investeringer, " sagde Jeff Dean, Google's chefforsker, i en skriftlig erklæring. I et fælles interview med AP havde Barto og Sutton lejlighedsvis forskellige synspunkter om vurdering af risiciene ved AI-agenter, der sigter mod selvforbedring. De gjorde en klar sondring mellem deres arbejde og det trendy område af generativ AI, såsom store sprogmodeller brugt i chatbots skabt af OpenAI, Google og andre, der efterligner menneskelig skrivestil og medier. "Den store beslutning er, om man skal lære fra menneskelige data eller lade en AI-agent lære fra sine egne erfaringer, " forklarede Sutton. Mens Sutton nedtoner, hvad han ser som overdrevne frygte vedrørende AIs potentielle trusler mod menneskeheden, opfordrer Barto til forsigtighed og siger: "Vi må forblive opmærksomme på mulige uforudsete konsekvenser. " Barto, der har været pensioneret i 14 år, betragter sig selv som en luddite, i kontrast til Sutton, der forventer en fremtid, hvor entiteter med højere intelligens end mennesker eksisterer - et koncept kendt som posthumanisme. "Mennesker er maskiner, bemærkelsesværdige og ekstraordinære maskiner, men de er ikke det endelige produkt og kunne fungere bedre, " observerede Sutton. "Det er iboende en del af AI-forsøget, " afsluttede Sutton. "Vi sigter mod at forstå os selv og udvikle systemer, der kan operere endnu mere effektivt. Måske endda for at blive sådanne entiteter. "