Antrenarea mașinilor în mod similar cu modul în care dresații de animale modelează comportamentul câinilor sau cailor a fost o abordare crucială în avansarea inteligenței artificiale. Această metodă a fost onorată miercuri cu prestigiosul Premiu A. M. Turing, adesea considerat Premiului Nobel în domeniul tehnologiei. Câștigătorii premiului din acest an, Andrew Barto și Richard Sutton, sunt recunoscuți ca pionieri în învățarea prin întărire, un domeniu care a cunoscut dezvoltări semnificative de la începutul cercetărilor lor în anii 1970. Lucrările lor fundamentale au permis numeroase progrese în domeniul AI în ultimul deceniu, concentrându-se pe crearea de mașini „hedoniste” capabile să-și adapteze comportamentul în funcție de feedback-ul pozitiv. Învățarea prin întărire a fost esențială în înfrângerea de către programul informatic al Google a celor mai buni concurenți umani în jocul de societate chinezesc Go în 2016 și 2017. De asemenea, joacă un rol crucial în îmbunătățirea aplicațiilor AI utilizate pe scară largă, cum ar fi ChatGPT, optimizarea tranzacțiilor financiare și permiterea unei mâini robotice să rezolve un Cub Rubik. Cu toate acestea, Barto a menționat că atunci când el și Sutton, studentul său doctoral, au început să dezvolte teoriile și algoritmii lor la Universitatea din Massachusetts, Amherst, domeniul era în mare parte „nefashionabil”. „Erau oarecum în sălbăticie, ” a remarcat Barto într-un interviu cu The Associated Press. „Acest lucru face ca primirea acestui premiu să fie deosebit de gratifiantă, deoarece evidențiază relevanța și interesul lucrării noastre, care nu a fost recunoscută în primele zile. ” Premiul anual de 1 milion de dolari, anunțat de Asociația pentru Calcul și Mașini, este sponsorizat de Google. Deși Barto, acum retras de la Universitatea din Massachusetts, și Sutton, profesor cu vechime la Universitatea din Alberta, Canada, nu sunt primii inovatori AI care primesc premiul numit după matematicianul, decriptorul de coduri și pionierul timpurie al AI Alan Turing, cercetările lor au abordat direct apelul din 1947 al lui Turing pentru o mașină capabilă să „învețe din experiență. ” Sutton descrie acest lucru ca „probabil conceptul fundamental al învățării prin întărire. ” Lucrările lor au încorporat perspective din psihologie și neuroștiințe despre modul în care neuronii care caută plăcerea reacționează la recompense și pedepse.

O lucrare revoluționară publicată la începutul anilor 1980 a prezentat noua lor abordare printr-o sarcină specifică: echilibrarea unei bare pe un cărucior în mișcare pentru a preveni căderea acesteia. Ulterior, au coautorat un manual despre învățarea prin întărire care este utilizat pe scară largă. „Instrumentele pe care le-au dezvoltat sunt fundamentale pentru actuala explozie în domeniul AI, conducând la progrese semnificative, atrăgând numeroși tineri cercetători și generând miliarde în investiții, ” a declarat Jeff Dean, om de știință principal la Google, într-o declarație scrisă. Într-un interviu comun cu AP, Barto și Sutton au avut ocazional puncte de vedere diferite în evaluarea riscurilor agenților AI care urmăresc auto-îmbunătățirea. Ei au făcut o distincție clară între lucrările lor și domeniul în trend al AI generative, cum ar fi modelele lingvistice mari utilizate în chatbot-uri create de OpenAI, Google și alții care replică scrierea și media asemănătoare cu cele umane. „Decizia majoră este dacă să învățăm din datele umane sau să lăsăm un agent AI să învețe din propriile experiențe, ” a explicat Sutton. Deși Sutton minimizează ceea ce percepe ca temeri exagerate privind amenințările potențiale ale AI la adresa umanității, Barto îndeamnă la prudență, spunând: „Trebuie să rămânem conștienți de posibilele consecințe neprevăzute. ” Barto, care este retras de 14 ani, se consideră un luddist, în contrast cu Sutton, care anticipa un viitor în care entități cu o inteligență mai mare decât cea umană ar exista—un concept cunoscut sub numele de postumanism. „Oamenii sunt mașini, mașini remarcabile și extraordinare, dar nu sunt produsul final și ar putea funcționa mai bine, ” a observat Sutton. „Este o parte inerentă a demersului AI, ” a concluzionat Sutton. „Ne propunem să ne înțelegem pe noi înșine și să dezvoltăm sisteme care pot funcționa și mai eficient. Poate chiar să devenim astfel de entități. ”