AI Scholars Awarded Turing Prize for Technique Behind AlphaGo's Chess Victory

Na década passada, a inteligência artificial nos deslumbrou com seus avanços, principalmente por meio de uma técnica em que os computadores fazem escolhas aleatórias e aprendem com os resultados. Este método, conhecido como Aprendizagem de Reforço, tem sido fundamental para alcançar feitos notáveis ​​na IA.

Pegue o programa AlphaZero do Google Deepmind a partir de 2016, que até 2018 havia dominado os complexos jogos de xadrez, shogi e go. Da mesma forma, o Alphastar usou essa abordagem para atingir o nível "Grandmaster" no videogame *Starcraft II *. Essas realizações destacam o poder do aprendizado de reforço.

Na quarta -feira, o campo comemorou um marco significativo, pois dois estudiosos da IA ​​foram homenageados por seu trabalho inovador no avanço do aprendizado de reforço. Andrew G. Barto, professor emérito da Universidade de Massachusetts, Amherst, e Richard S. Sutton, professor da Universidade de Alberta, Canadá, recebeu o prestigiado 2025 Turing Award da Association for Computing Machinery (ACM).

Reconhecimento de pioneiros no aprendizado de reforço

O ACM elogiou Barto e Sutton por estabelecer as bases para o aprendizado de reforço, afirmando que "introduziram as principais idéias, construíram as fundações matemáticas e desenvolveram algoritmos importantes". Esse elogio, que vem com um prêmio de US $ 1 milhão, é frequentemente visto como o equivalente da indústria de computadores a um prêmio Nobel.

O aprendizado de reforço pode ser comparado a um mouse navegar um labirinto para encontrar queijo. O mouse aprende quais caminhos levam ao progresso e aos quais para becos sem saída. Da mesma forma, os neurocientistas acreditam que os seres inteligentes, como ratos, desenvolvem um "modelo interno do mundo" para orientar suas ações.

Sutton e Barto propuseram que os computadores também pudessem desenvolver esses modelos internos. No aprendizado de reforço, o computador reúne dados sobre seu ambiente - seja um labirinto ou um quadro de xadrez - e inicialmente age aleatoriamente. Recebe feedback na forma de recompensas ou penalidades, o que ajuda a estimar os resultados de diferentes ações. Com base nessas estimativas, o programa desenvolve uma "política" para orientar as decisões futuras, equilibrando a exploração de novas ações com a exploração dos conhecidos bem -sucedidos.

O papel da exploração e exploração

Na sua essência, o aprendizado de reforço requer um delicado equilíbrio entre explorar novas possibilidades e explorar estratégias conhecidas. Nenhuma das abordagens por si só é suficiente para o sucesso.

Para aqueles interessados ​​em mergulhar mais profundamente, o livro didático de Sutton e Barto em 2018 sobre o assunto é um recurso valioso.

Vale a pena notar que o termo "aprendizado de reforço" às vezes é usado de maneira diferente por empresas como o OpenAI, que empregam "aprendizado de reforço com feedback humano" (RLHF) para refinar os resultados de grandes modelos de idiomas como o GPT. No entanto, isso é distinto do método desenvolvido por Sutton e Barto.

Aprendizagem de reforço como uma teoria do pensamento

Sutton, que era um cientista de pesquisa distinto da DeepMind de 2017 a 2023, argumentou que o aprendizado de reforço não é apenas uma técnica, mas uma "teoria do pensamento". Ele expressou preocupação com a falta de uma teoria computacional na IA, afirmando que "o aprendizado de reforço é a primeira teoria computacional da inteligência".

Além de suas aplicações técnicas, o aprendizado de reforço também pode esclarecer a criatividade e o jogo livre como expressões de inteligência. Sutton e Barto destacaram o papel do jogo na aprendizagem, sugerindo que a curiosidade impulsiona a exploração. Sutton enfatizou que o jogo pode envolver a definição de metas que podem não ser imediatamente úteis, mas podem ser benéficas posteriormente.

"O jogo é uma grande coisa", observou Sutton, indicando seu papel significativo no contexto mais amplo de aprendizado e inteligência.

A jornada do aprendizado de reforço, de seu trabalho fundamental de Barto e Sutton até sua aplicação em jogos e além, continua a ultrapassar os limites do que a IA pode alcançar.