上世纪80年代，当强化学习被边缘化，这对师徒并未退缩；如今回望，他们仍坚持自己的科研信念。2024年3月5日，计算机学会（ACM）宣布Andrew Barto与Richard Sutton共同获得图灵奖，以表彰他们在强化学习领域的奠基性贡献。从AlphaGo在围棋领域的突破，到DeepSeek-R1等推理模型的崛起，强化学习在人工智能领域持续发挥着关键作用。

最近，Communications of the ACM发布了一段对这对师徒的深度访谈。他们从强化学习的研究历程谈起，延伸到人工智能的未来方向。Barto认为，未来AI将向多智能体强化学习方向发展，不同模型之间可能形成协作网络，也可能因目标差异产生竞争。Sutton则坚信，通用人工智能（AGI）的实现仍需数十年，但最终会成为现实。

关于两人共同获得的100万美元图灵奖奖金，目前尚未确定具体用途。Sutton表示可能将其份额捐赠给共同创立的Openmind研究所，为青年科学家提供「奢侈」的科研自由。Barto则计划在马萨诸塞大学设立研究生奖学金。这种对科研生态的重视，体现了他们对AI领域持续发展的长远考量。

强化学习萌芽阶段，两位学者的科研之路充满波折。1975年，斯坦福大学心理学专业的Richard Sutton在图书馆翻阅大量机器智能文献后，对主流的「模式识别」和「示例学习」理论产生质疑。他认为动物的学习方式并非如此，而是通过某种奖励反馈机制。这种观点在当时并不被广泛认可，直到遇见了研究奖励机制的A. Harry Klopf。

1978年心理学毕业后，Sutton在马萨诸塞大学阿默斯特分校从事研究，主要测试Klopf的观点。同期，Andrew Barto作为博士后研究员，接受空军和国家科学基金会长达五年的资助，但初期成果并不显著。Barto的学术背景始于1970年密歇根大学数学学士，1975年计算机科学博士，最终成为UMass自适应网络实验室的联合主任。

Sutton加入实验室后，成为Barto的第一位博士生。两人共同发展的现代强化学习技术，核心在于奖励机制。通过设计奖励信号训练神经网络，让模型沿着预期方向进化。1984年，Sutton在马萨诸塞大学安姆斯特分校获得博士学位，随后在GTE Laboratories担任技术组成员，持续探索决策者与环境交互的学习问题。

2003年后，Sutton成为阿尔伯塔大学教授，领导强化学习与人工智能实验室（RLAI）。他们的研究不仅推动了学术进步，更在工程实践中产生影响。1970年代，强化学习曾被忽视，但Barto坚持自己的研究方向，最终在80年代形成系统理论。这种「不合时宜」的坚持，成为后来AI发展的基石。

2016年，AlphaGo在围棋领域大胜李世乭，让强化学习走进大众视野。这场人机大战不仅震撼了围棋界，也让非专业观众开始关注人工智能技术。Google DeepMind开发的AlphaGo，最终以四胜一败击败李世乭，赛后韩国棋院授予其荣誉九段称号。2017年，AlphaGo Master以3:0的战绩击败柯洁，从此人类棋手再无一人是机器的对手。

强化学习在围棋领域的成功，源于其独特的学习机制。与传统的监督学习和无监督学习相比，强化学习通过奖励信号引导模型进化。这种机制让机器能不断试错，最终掌握复杂策略。从围棋到电子竞技，再到语言模型，强化学习的应用范围持续扩展。

在人工智能的未来方向上，Barto认为多智能体强化学习将成为主流。不同模型之间可能形成协作网络，也可能因目标差异产生竞争。这种机制对经济学、博弈论等复杂领域将产生深远影响。Sutton则强调，当前AI仍处于初级阶段，通用人工智能（AGI）的探索需要持续投入。

谈及对年轻科研人员的建议，Barto鼓励追随自己的研究兴趣，不必在意他人看法。他强调内在驱动力的重要性，认为坚持是科研成功的关键。Sutton则建议「坚持写作」，通过文字记录锤炼思想。这种对科研生态的重视，体现了他们对AI领域持续发展的长远考量。

从1975年Sutton在图书馆翻阅文献开始，到如今强化学习成为AI核心技术，这段历程展现了科研的韧性。两位学者的坚持，不仅推动了技术进步，更启发了后来者。未来几十年内，人类有望彻底破解人工智能的奥秘，这将是史上最伟大的智力飞跃。