Pioniere des Reinforcement Learning erhalten Turing Award 2024

Andrew G. Barto und Richard S. Sutton, zwei wegweisende Informatiker, wurden am 5. März 2025 mit dem renommierten ACM A.M. Turing Award für ihre bahnbrechenden Beiträge zum Reinforcement Learning ausgezeichnet. Der oft als „Nobelpreis der Informatik“ bezeichnete Preis würdigt ihre jahrzehntelange Arbeit, die die Grundlagen für einen der wichtigsten Ansätze in der künstlichen Intelligenz legte.

Barto, emeritierter Professor an der University of Massachusetts Amherst, und Sutton, Professor an der University of Alberta, begannen ihre Zusammenarbeit in den 1980er Jahren. Ihre Forschung führte zur Entwicklung der konzeptionellen und algorithmischen Grundlagen des Reinforcement Learning – einer Methode, bei der KI-Systeme durch Belohnungssignale lernen, optimale Entscheidungen zu treffen.

Ihre Arbeit hat die KI-Forschung maßgeblich beeinflusst und findet heute breite Anwendung in verschiedenen Bereichen, von Robotik bis hin zu Sprachmodellen. Besonders bemerkenswert ist ihr Beitrag zur Entwicklung von AlphaGo, das 2016 den menschlichen Go-Weltmeister besiegte.

Der Turing Award, der mit einem Preisgeld von 1 Million US-Dollar dotiert ist, würdigt nicht nur ihre wissenschaftlichen Leistungen, sondern auch ihre Beharrlichkeit. Barto und Sutton verfolgten ihre Forschung jahrelang, als Reinforcement Learning noch als unkonventionell galt.

Ihr 1998 veröffentlichtes Lehrbuch „Reinforcement Learning: An Introduction“ gilt als Standardwerk und wurde über 75.000 Mal zitiert. Es bildet nach wie vor die Grundlage für die Ausbildung von KI-Forschern und -Entwicklern weltweit.

Die Auszeichnung unterstreicht die wachsende Bedeutung des Reinforcement Learning in der modernen KI-Entwicklung, insbesondere im Kontext von Large Language Models und deren Optimierung durch menschliches Feedback4.

Mit dem Turing Award 2024 würdigt die ACM nicht nur die Vergangenheit, sondern weist auch auf die vielversprechende Zukunft des Reinforcement Learning hin. Barto und Sutton haben den Weg für eine neue Generation von KI-Systemen geebnet, die durch Erfahrung lernen und sich kontinuierlich verbessern können.