Het trainen van machines op een vergelijkbare manier als dieren trainers het gedrag van honden of paarden vormen, is een cruciale benadering geweest in de vooruitgang van kunstmatige intelligentie. Deze methode werd woensdag geëerd met de prestigieuze A. M. Turing Award, vaak beschouwd als de Nobelprijs binnen het technologische domein. De winnaars van deze jaarlijkse prijs, Andrew Barto en Richard Sutton, worden erkend als pioniers op het gebied van reinforcement learning, een veld dat aanzienlijke ontwikkelingen heeft doorgemaakt sinds hun initiële onderzoek in de late jaren 70 begon. Hun fundamentele werk heeft talloze doorbraken in de AI mogelijk gemaakt in het afgelopen decennium, met de focus op het creëren van “hedonistische” machines die hun gedrag kunnen aanpassen in reactie op positieve feedback. Reinforcement learning speelde een belangrijke rol in het verslaan van top menselijke concurrenten door een computerprogramma van Google in het oude Chinese bordspel Go in 2016 en 2017. Het speelt ook een essentiële rol in het verbeteren van veelgebruikte AI-toepassingen zoals ChatGPT, het optimaliseren van financiële handel, en het mogelijk maken dat een robotarm een Rubik's Cube oplost. Barto merkte echter op dat, toen hij en Sutton, zijn promovendus, begonnen met het ontwikkelen van hun theorieën en algoritmen aan de Universiteit van Massachusetts in Amherst, het veld grotendeels “ontrend” was. “We waren een beetje in de wildernis, ” merkte Barto op in een interview met The Associated Press.

“Dat maakt het ontvangen van deze prijs vooral bevredigend, omdat het de relevantie en intrige van ons werk benadrukt, dat in de begintijd niet erkend werd. ” De jaarlijkse prijs van 1 miljoen dollar, aangekondigd door de Association for Computing Machinery, wordt gesponsord door Google. Hoewel Barto, nu gepensioneerd van de Universiteit van Massachusetts, en Sutton, een langdurige professor aan de Universiteit van Alberta in Canada, niet de eerste AI-innovatorm zijn die de prijs ontvangt die genoemd is naar de Britse wiskundige, codekraker en vroege AI-pionier Alan Turing, hebben hun onderzoeken direct gereageerd op Turing's oproep uit 1947 voor een machine die “kan leren van ervaring. ” Sutton beschrijft dit als “ongeacht een fundamenteel concept van reinforcement learning. ” Hun werk werd aangevuld met inzichten uit de psychologie en neurowetenschappen over hoe genotzoekende neuronen reageren op beloningen en straffen. Een baanbrekend artikel dat in de vroege jaren 80 werd gepubliceerd, toonde hun nieuwe benadering aan via een specifieke taak: het balanceren van een paal op een bewegende kar om te voorkomen dat deze valt. Later schreven ze samen een leerboek over reinforcement learning dat veelvuldig wordt gebruikt. “De instrumenten die ze ontwikkelden zijn fundamenteel voor de huidige AI-boom, wat leidde tot aanzienlijke vooruitgangen, talloze jonge onderzoekers aantrok en miljarden aan investeringen genereerde, ” verklaarde Jeff Dean, hoofdwetenschapper bij Google, in een schriftelijke verklaring. In een gezamenlijk interview met de AP hadden Barto en Sutton soms verschillende opvattingen over het inschatten van de risico's van AI-agenten die zich willen verbeteren. Ze maakten een duidelijk onderscheid tussen hun werk en het trendy veld van generatieve AI, zoals grote taalmodellen die worden gebruikt in chatbots van OpenAI, Google en anderen die menselijk-achtige schrijfstijlen en media repliceren. “De belangrijkste beslissing is of je leert van menselijke data of een AI-agent laat leren van zijn eigen ervaringen, ” legde Sutton uit. Hoewel Sutton de door hem waargenomen overdreven angsten met betrekking tot de potentiële bedreigingen van AI voor de mensheid bagatelliseert, roept Barto op tot voorzichtigheid, stellende: “We moeten ons bewust blijven van mogelijke onvoorziene gevolgen. ” Barto, die al 14 jaar met pensioen is, beschouwt zichzelf als een Luddite, in contrast met Sutton, die verwacht dat er een toekomst komt waarin entiteiten met een grotere intelligentie dan die van mensen bestaan — een concept dat bekend staat als posthumanisme. “Mensen zijn machines, opmerkelijke en buitengewone machines, maar ze zijn niet het eindproduct en zouden beter kunnen functioneren, ” merkte Sutton op. “Het is inherent deel van de AI-inspanning, ” concludeerde Sutton. “We streven ernaar onszelf te begrijpen en systemen te ontwikkelen die zelfs effectiever kunnen functioneren. Misschien zelfs om zulke entiteiten te worden. ”