В 1977 году Эндрю Барто, исследователь из Университета Массачусетса в Амherst, начал изучать новую теорию, предполагающую, что нейроны действуют как гедонисты. Основной постулат заключался в том, что человеческий мозг функционирует благодаря миллиардам нервных клеток, каждая из которых стремится максимизировать удовольствие и минимизировать боль. В следующем году к нему присоединился другой молодой исследователь, Ричард Саттон. Вместе они стремились прояснить человеческий интеллект через эту простую концепцию и применили ее к искусственному интеллекту. Это сотрудничество привело к разработке "обучения с подкреплением", метода, позволяющего ИИ-системам учиться на своих цифровых аналогах удовольствия и боли. В среду Ассоциация вычисительной техники, крупнейшее профессиональное общество для экспертов в области вычислений в мире, объявила, что доктор Барто и доктор Саттон были удостоены премии Тьюринга за этот год за их вклады в обучение с подкреплением.

Премия Тьюринга, основанная в 1966 году, часто считается Нобелевской премией в области вычислений. Оба исследователя разделят приз в размере 1 миллиона долларов, связанный с этой наградой. За последнее десятилетие обучение с подкреплением сыграло ключевую роль в развитии искусственного интеллекта, способствуя появлению таких знаковых технологий, как AlphaGo от Google и ChatGPT от OpenAI. Основные методы, лежащие в основе этих инноваций, возникли из исследований доктора Барто и доктора Саттона. "Они бесспорные pionеры обучения с подкреплением, " отметил Орэн Эциони, почетный профессор компьютерных наук в Университете Вашингтона и основатель Института искусственного интеллекта имени Аллена. "Они разработали основные идеи — и написали книгу по этой теме. " Их книга "Обучение с подкреплением: введение", опубликованная в 1998 году, по-прежнему служит определяющим ресурсом по идее, которую многие эксперты считают все еще находящейся на ранних стадиях раскрытия своего полного потенциала.