Koneiden kouluttaminen samankaltaisesti kuin eläinkouluttajat muokkaavat koirien tai hevosten käyttäytymistä on ollut keskeinen lähestymistapa tekoälyn kehittämisessä. Tämä menetelmä sai kunnianosoituksen keskiviikkona arvostetulla A. M. Turing -palkinnolla, jota pidetään usein teknologian Nobelin palkintona. Tämän vuoden palkinnon voittajat, Andrew Barto ja Richard Sutton, tunnetaan vahvistusoppimisen pioneereina, alalla, joka on kokenut merkittäviä kehityksiä heidän alkuperäisten tutkimustensa aloittaessa 1970-luvun lopulla. Heidän perustava työ mahdollisti lukuisia tekoälyläpimurtoja viimeisen vuosikymmenen aikana, keskittyen "hedonististen" koneiden luomiseen, jotka pystyvät mukauttamaan käyttäytymistään positiivisen palautteen mukaan. Vahvistusoppiminen oli keskeisessä roolissa Googlen tietokoneohjelman voittaessa huipputason ihmiskilpailijat ikimuistoisessa kiinalaisessa lautapelissä Go:ssa vuosina 2016 ja 2017. Se myös edistää laajalti käytettyjä tekoälysovelluksia, kuten ChatGPT:tä, optimoi taloudellista kaupankäyntiä ja mahdollistaa robottikäden ratkaista Rubikin kuution. Kuitenkin Barto huomautti, että kun hän ja Sutton, hänen tohtoriopiskelijansa, alkoivat kehittää teorioitaan ja algoritmejaan Massachusettsin yliopistossa Amherstiin, ala oli suurelta osin "epäsuosittu". “Olimme jonkin verran eristyksissä, ” Barto totesi Associated Pressin haastattelussa. “Se tekee tämän palkinnon saamisesta erityisen tyydyttävää, sillä se korostaa työnne merkitystä ja kiinnostavuutta, joka ei ollut tunnustettu alkuvaiheessa. ” Miljoonan dollarin vuosipalkinto, joka julkistettiin Laskentakoneiden yhdistyksen toimesta, on Googlen sponsorointi. Vaikka Barto, joka on nyt eläkkeellä Massachusettsin yliopistosta, ja Sutton, pitkään palvellut professori Albertan yliopistossa Kanadassa, eivät ole ensimmäiset tekoälyn innovaattorit, jotka saavat brittiläisen matemaatikon, koodin murtajan ja varhaisen tekoälypioneerin Alan Turingin nimeä kantavan palkinnon, heidän tutkimuksensa on suoraan käsitellyt Turingin vuoden 1947 vetoomusta koneesta, joka pystyy "oppimaan kokemuksesta. " Sutton kuvaa tätä "kenties vahvimmaksi vahvistusoppimisen käsitteeksi. " Heidän työnsä sisälsi näkemyksiä psykologiasta ja neurotieteestä siitä, kuinka nautintoa etsivät neuronit reagoivat palkintoihin ja rangaistuksiin.

1980-luvun alussa julkaistu uraauurtava artikkeli esitteli heidän uuden lähestymistapansa tietyn tehtävän kautta: tangon tasapainottaminen liikkuvalla vaunulla, jotta se ei kaatuisi. He myöhemmin olivat mukana kirjoittamassa oppikirjaa vahvistusoppimisesta, jota käytetään laajasti. "Työkalut, joita he kehittivät, ovat perustavanlaatuisia nykyiselle tekoälybuumille, johtavat merkittäviin edistysaskeliin, houkuttelevat lukemattomia nuoria tutkijoita ja luovat miljardeja investointeja, " totesi Jeff Dean, Googlen päätutkija, kirjallisessa lausunnossaan. Yhteisessä haastattelussa AP:n kanssa Barto ja Sutton olivat ajoittain eri mieltä arvioidessaan tekoälyagenttien itsensä kehittämisen riskejä. He tekivät selkeän eron oman työskentelynsä ja trendikkään generatiivisen tekoälyn, kuten OpenAI:n ja Google:n luomien suurten kielimallien, välillä, jotka jäljittelevät ihmiskäytäntöä kirjoituksessa ja mediassa. "Suurin päätös on se, oppiiko ihmisten tiedoista vai antaako tekoälyagentin oppia omista kokemuksistaan, " Sutton selitti. Vaikka Sutton vähättelee sitä, mitä hän pitää liioiteltuina pelkoina tekoälyn mahdollisista uhista ihmiskunnalle, Barto kehotti varovaisuuteen todeten: "Meidän on pysyttävä tietoisina mahdollisista ennakoimattomista seurauksista. " Barto, joka on ollut eläkkeellä 14 vuotta, pitää itseään luddistina, kun taas Sutton odottaa tulevaisuutta, jossa on olemassa älykkäitä olentoja, jotka ovat ihmisiä älykkäämpiä—käsitettä kutsutaan posthumanismiksi. "Ihmiset ovat koneita, merkittäviä ja poikkeuksellisia koneita, mutta eivät lopullinen tuote ja voisivat toimia paremmin, " Sutton huomautti. ”Se kuuluu olennaisesti tekoälyn pyrkimykseen, ” Sutton päätti. ”Tavoitteenamme on ymmärtää itseämme ja kehittää järjestelmiä, jotka voivat toimia jopa tehokkaammin. Ehkä jopa tulla tällaisiksi olennoiksi. ”