Nel 1977, Andrew Barto, un ricercatore dell'Università del Massachusetts, Amherst, iniziò a indagare una teoria innovativa che suggeriva che i neuroni agiscono come se fossero edonisti. La premessa fondamentale era che il cervello umano opera attraverso miliardi di cellule nervose, ognuna delle quali si sforza di massimizzare il piacere e minimizzare il dolore. L'anno successivo, un altro giovane ricercatore, Richard Sutton, si unì a lui. Insieme cercarono di chiarire l'intelligenza umana attraverso questo concetto semplice e lo applicarono all'intelligenza artificiale. Questa collaborazione portò allo sviluppo del "reinforcement learning, " un metodo che consente ai sistemi di intelligenza artificiale di apprendere dai loro corrispondenti digitali di piacere e dolore. Mercoledì, l'Association for Computing Machinery, la più grande associazione professionale per esperti di informatica a livello globale, annunciò che il Dr. Barto e il Dr. Sutton erano stati premiati con il Turing Award di quest'anno per i loro contributi al reinforcement learning.

Istituito nel 1966, il Turing Award è spesso considerato il Premio Nobel dell'informatica. I due ricercatori condivideranno un premio di 1 milione di dollari associato al riconoscimento. Negli ultimi dieci anni, il reinforcement learning è stato fondamentale per l'avanzamento dell'intelligenza artificiale, alimentando tecnologie di punta come AlphaGo di Google e ChatGPT di OpenAI. Le tecniche fondamentali dietro queste innovazioni derivano dalla ricerca del Dr. Barto e del Dr. Sutton. “Sono i pionieri indiscussi del reinforcement learning, ” ha commentato Oren Etzioni, professore emerito di informatica all'Università di Washington e CEO fondatore dell'Allen Institute for Artificial Intelligence. “Hanno generato le idee essenziali—e hanno scritto il libro sull'argomento. ” Il loro libro, “Reinforcement Learning: An Introduction, ” pubblicato nel 1998, continua a essere la risorsa definitiva su un'idea che molti esperti credono sia ancora nelle fasi iniziali per realizzare il suo pieno potenziale.