యంత్రాలను శిక్షణ ఇవ్వడం, కుక్కలు లేదా గుర్రాలను శిక్షణ ఇచ్చే విధానానికి సమానంగా, కృత్రిమ మేధస్సు అభివృద్ధిలో కీలకమైన దృష్టికోణంగా ఉంది. ఈ విధానం బుధవారం ప్రఖ్యాత A. M. టూరింగ్ అవార్డుతో గౌరవించబడింది, ఇది సాంకేతిక రంగంలో నోబెల్ బహుమతిగా భావించబడుతుంది. ఈ సంవత్సరపు అవార్డు విజేతలు, ఆండ్రూ బార్టో మరియు రిచర్డ్ సటన్, 1970ల చివరలో కొన్నేళ్ల కింద చేసిన వారి మొదటి పరిశోధనల నుంచి అందించిన ప్రబోధం రీఫోర్స్‌మెంట్ లెర్నింగ్‌లో ముందుగా ఉన్న వారి పాత్రకు గుర్తింపులు పొందారు. వారి ప్రాథమిక పనితీరు గత దశాబ్దంలో అనేక కృత్రిమ మేధస్సు సాఫ్ట్‌వేర్‌ విజయాలను సాధించడానికి పథకాలు రూపొందించడంలో సహాయంగా మారింది, ఇవన్నీ సానుకూల ప్రతిస్పందనకు అనుగుణంగా తమ ప్రవర్తనను సరళీకరించే "హెడోనిజ్" యంత్రాలను సృష్టించడం పై దృష్టి పెట్టింది. రీఫోర్స్‌మెంట్ లెర్నింగ్ ఆధ్యాత్మిక చైనా బోర్డ్ గేమ్ గోలో 2016 మరియు 2017లో అత్యాధునిక మానవ పోటీతారు కూర్చీ వాటిని ఓడించడంలో Google యొక్క కంప్యూటర్ ప్రోగ్రామ్‌ కు అనువైనది. ఇది అలాగే చాట్‌జీపీటీ వంటి విస్తరంగా ఉపయోగించే కృత్రిమ మేధస్సు ఆప్లికేషన్‌లను బలపరచడం, ఆర్థిక వాణిజ్యాన్ని మెరుగుపరచడం మరియు రూబిక్‌ క్యూబ్‌ను పరిష్కరించడానికి రొబోటిక్ కవల్లును సాధనంలో కీలక పాత్ర పోషించడం వంటివి ఉంది. కానీ, బార్టో మరియు అతనికి డాక్టరల్ విద్యార్థి అయిన సటన్ మసాచూసెట్స్ విశ్వవిద్యాలయంలో తమ సిద్ధాంతాలను మరియు ఆల్కోరిథంలను అభివృద్ధి చేయటం ప్రారంభించగానే, ఈ రంగం చాలా ఎక్కువగా "అనుభవం లేని" అనిపించిందని బార్టో పేర్కొన్నారు. "మేము కొంతమంది పర్వతంలో ఉండేలా ఉన్నాము, " అని బార్టో అసోసియేటెడ్ ప్రెస్‌తో జరిగిన ఇంటర్వ్యూలో చెప్పారు. "ఇది ఈ అవార్డును అందుకోవడం ప్రత్యేకంగా గర్వకరంగా ఉంటుంది, ఇది మా పని యొక్క ప్రాముఖ్యత మరియు ఆకర్షణను పునఃప్రతిష్టిస్తుంది, ఇది ప్రారంభ రోజుల్లో గుర్తించబడ్డది కాదు. " కంప్యూటింగ్ యంత్రాల సంఘం ప్రకటించిన వార్షిక బహుమతి $1 మిలియన్, Google ద్వారా స్పాన్సర్ చేయబడింది. ప్రస్తుతం మసాచూసెట్స్ విశ్వవిద్యాలయం నుండి విరమించిన బార్టో మరియు కెనడాలో అల్బెర్టా విశ్వవిద్యాలయంలో చాలా కాలంగా ప్రొఫెసర్ అయిన సటన్, బ్రిటిష్ గణిత శాస్త్రవేత్త, కోడ్ బ్రేకర్ మరియు ప్రారంభ కృత్రిమ మేధస్సు పయనికుడు అలన్ టూరింగ్ పేరు పెట్టిన అవార్డును పొందిన తొలి కృత్రిమ మేధస్సు నవీకర్తలు కాదు, కానీ వారి పరిశోధన టూరింగ్ 1947లో "అనుభవం నుండి నేర్చుకునే" యంత్రను అడిగిన పిలుపుకు ప్రత్యక్షంగా స్పందించింది.

సటన్ దీన్ని "రీఫోర్స్‌మెంట్ లెర్నింగ్ యొక్క ప్రాథమిక భావన" అని వివరిస్తాడు. ఈ యంత్రాలు బహిరంగంగా ప్రజలకి సంతోషం కలిగించడంలో రూపొందించిన పద్ధతులను కలిగి ఉన్నాయి, ఇది బహిరంగంగా ప్రయోజనాల మరియు శిక్షల ప్రతిస్పందనలపై మనస్సు మరియు శక్తిమంతమైన స్నాయువులపై చర్చించబడ్డది. 1980ల ప్రారంభంలో ప్రచురైన ప్రముఖ పత్రం వారి కొత్త దృష్టికోణాన్ని ఒక ప్రత్యేక పని ద్వారా ప్రదర్శించింది: పోటెప్పడం క్రింద ఒక కారు తీసుకోటం. మళ్లీ మన జ్ఞానం లేని స్థితిలో ఈ పుస్తకాన్ని రాసే ప్రయత్నం చేసిన పఠనం ప్రసిద్ధి పొందింది. "ఇవరు అభివృద్ధి చేసిన పరికరాలు ప్రస్తుత కృత్రిమ మేధస్సు ఉత్పత్తుల ప్రాథమికమైనవి, ఇది గణనీయమైన పురోగతులకు దారితీస్తుంది, అనేక యువ పరిశోధకులను ఆకర్షిస్తుంది మరియు బిలియన్ల పెట్టుబడులను సృష్టిస్తుంది, " అని Google యొక్క ప్రధాన శాస్త్రవేత్త జెఫ్ డీన తెలియజేశాడు. APతో సంయుక్త ఇంటర్వ్యూలో, బార్టో మరియు సటన్ సెల్ఫ్-అభివృద్ధి లక్ష్యంగా పెట్టుకున్న కృత్రిమ మేధస్సు ఏజెంట్‌ల రిస్క్‌లపై మినహాయించిన విధానాలను కలిగి ఉన్నారు. వారి పని మరియు జనరేటివ్ కృత్రిమ మేధస్సు, చాట్‌బాట్‌లు వంటి భారీ భాషా మోడల్స్‌ను ఆధారపడి ఉంచడం అన్నింటిపై స్పష్టంగా వ్యత్యాసాన్ని చేయగలిగారు. "ప్రధాన నిర్ణయం ఏది అంటే మానవ డేటా నుండి నేర్చుకోవడం లేదా కృత్రిమ మేధస్సు ఏజెంట్ తన అనుభవాలతో నేర్చుకోవాలని అనుమతించడం, " అని సటన్ వివరించాడు. సటన్ కృత్రిమ మేధస్సు మానవత్వానికి ప్రమాదంగా భావించిన అంగీకారాలు తీసుకురావడం తగ్గిస్తుంది, కానీ బార్టో జాగ్రత్తగా ఉండమని హెచ్చరిస్తాడు, "అందువల్ల మేము సున్నితమైన అర్థంలో అనుకోని పరిణామాలను గమనించాలి. " బార్టో, 14 సంవత్సరాలుగా విరమించారు, తాను లడ్డైట్ అని భావిస్తున్నాడు, సటన్, మానవుడికంటే ఎక్కువ క్షమించబడ్డ ఇన్టెలిజెంట్ అనేవి ఉండబోతున్న భవిష్యత్తుకు ఎదురుచూస్తాడు- ఇది పోస్ట్‌హ్యూమనిజాన్ని అనీ పేరు కంటే అననుసారం ఉన్నాయి. "మానవులు యంత్రాలు, అద్భుతమైన మరియు అసాధారణమైన యంత్రాలు, కానీ ఇవి తుది ఉత్పత్తి కాదు మరియు మెరుగ్గా పనిచేయవచ్చు, " సటన్ వ్యాఖ్యానించాడు. "ఇది కృత్రిమ మేధస్సు ప్రయత్నంలో అంత ప్రాథమిక భాగం, " అని సటన్ ముగించాడు. "మేము అర్థం చేసుకోవడానికి మరియు మరింత సమర్థవంతంగా పని చేసే పద్ధతులను అభివృద్ధి చేయడానికి లక్ష్యంగా పెట్టుకుంటున్నాము. కదా అటువంటి ప్రాణులుగా మారేందుకు. "