Барто, Эндрю Герет

В Рувики есть статьи о других людях с такой фамилией, см. Барто.

Эндрю Герет Барто
англ. Andrew Gehret Barto
Дата рождения	1948
Страна	США
Научная сфера	информатика, ИИ, информатика и машинное обучение
Место работы	Массачусетский университет в Амхерсте
Образование	Мичиганский университет Массачусетский университет в Амхерсте
Научный руководитель	Бернард Зиглер[d]
Награды и премии	член IEEE[d] член Американской ассоциации содействия развитию науки[d] Пионер нейронных сетей[d]
Сайт	www-all.cs.umass.edu/… (англ.)

Э́ндрю Ге́рет Ба́рто (род. 1948) — американский специалист в области информатики, наиболее известный своими работами в области современных вычислительных методов обучения с подкреплением. В 2025 году вместе со своим бывшим аспирантом Ричардом Саттоном удостоен премии Тьюринга от Ассоциации вычислительной техники.

Биография

Образование

Изучал математику в Мичиганском университете, который окончил с отличием в 1970 году. Первоначально специализировался на корабельной инженерии, однако после изучения ряда работ Майкла Арбиба, Маккалока и Питтса заинтересовался методами моделирования работы мозга при помощи искусственных нейронных сетей. Пять лет спустя получил учёную степень в области информатики за диссертацию о клеточных автоматах.

Начало карьеры

Постдокторантуру проходил в Колледже информатики и компьютерных наук Массачусетского университета в Амхерсте, куда поступил в 1977 году. В 1982 году стал доцентом, в 1991-м — профессором. С 2007 по 2011 год — заведующий кафедрой и основной преподаватель Программы по нейронаукам и поведению. В этот же период возглавлял (как соруководитель) Лабораторию автономного обучения, где были обоснованы несколько ключевых подходов и разработаны важнейшие технологии в области обучения с подкреплением.

За свою карьеру Эндри Барто выпустил 27 аспирантов, 13 из которых получили учёное звание профессора. В числе его учеников был другой известный специалист в области машинного обучения с подкреплением Ричард Саттон.

Обучение с подкреплением

Барто и Саттон входили в группу исследователей, изучавших работу нейронов в мозге как основу для создания систем, имитирующих мыслительный процесс человека. Им удалось существенно развить идеи Гарри Клопфа — видного теоретика в области искусственного интеллекта — и предложить свою математическую концепцию («обучение с подкреплением»), которая стал ключевым элементом для создания современных систем искусственного интеллекта.

Барто и Саттон модернизировали марковский процесс принятия решений для объяснения того, как агенты (алгоритмические сущности) принимают решения в стохастической среде таким образом, что и среда и награды могли бы оставаться неизвестными — такой метод позволил применить этот алгоритм к широкому кругу задач. Предложенный учёными подход совершенствовался и развивался, а первым крупным его применением стало создание программы AlphaGo, которая сумела обучиться игре в го и в 2016 году превзойти одного из сильнейших игроков мира.

Труды Барто и Саттона широко известны во всем мире, сами учёные признаны основоположниками современного метода обучения с подкреплением, сделавшим возможным создание современных больших языковых моделей.

Барто опубликовал более ста научных работ. Вместе с Ричардом Саттоном он является автором книги «Обучение с подкреплением: Введение», а также входит в редакторский коллектив книги «Справочник по обучению и приближённому динамическому программированию».

Награды

Барто является членом Американской ассоциации содействия развитию науки, старшим членом IEEE, а также членом Американской ассоциации искусственного интеллекта и Общества нейронаук.

Барто был удостоен награды Университета Массачусетса за достижения в области нейронаук в 2019 году, премии IEEE Neural Network Society Pioneer Award в 2004 году и IJCAI Award for Research Excellence в 2017 году. В его наградной цитате говорилось: «Профессор Барто признан за его новаторские и значимые исследования как в теории, так и в применении обучения с подкреплением».

В 2025 году Барто и Саттон удостоены премии Тьюринга «за разработку концептуальных и алгоритмических основ обучения с подкреплением».

Примечания