Richard Sutton
| Richard Sutton | |
.jpg) Sutton på NeurIPS 2025. | |
| Född | Richard Stuart Sutton 1957 eller 1958 Ohio, USA |
|---|---|
| Medborgarskap | Kanada (sedan 2015) |
| Institution | University of Alberta Keen Technologies Tidigare: Google DeepMind, AT&T |
| Alma mater | Stanford University (BA) University of Massachusetts Amherst (MS, PhD) |
| Känd för | Förstärkningsinlärning Tidsmässig skillnad-inlärning The Bitter Lesson |
Richard Stuart Sutton, född 1957 eller 1958 i Ohio, USA, är en kanadensisk datavetare. Han är professor i datavetenskap vid University of Alberta, vetenskaplig rådgivare vid Alberta Machine Intelligence Institute och forskare på Keen Technologies.[1] Sutton betraktas som en av grundarna till modern algoritmisk förstärkningsinlärning (reinforcement learning).[1] År 2024 tilldelades han Turingpriset tillsammans med sin tidigare handledare Andrew Barto.[2]
Utbildning och karriär
[redigera | redigera wikitext]Sutton växte upp i Illinois, USA. Han tog en kandidatexamen i psykologi vid Stanford University 1978 och disputerade därefter i datavetenskap vid University of Massachusetts Amherst 1984. Hans doktorsavhandling introducerade koncept kring temporal kreditering (credit assignment) och handleddes av Andrew Barto.
Efter forskartjänster vid bland annat GTE Laboratories och AT&T Labs blev han 2003 professor vid University of Alberta, där han hjälpte till att grunda ett laboratorium för artificiell intelligens. Mellan 2017 och 2023 var han en framstående forskare vid Google DeepMind och var med och startade deras kontor i Edmonton, Kanada.[2] År 2015 blev han kanadensisk medborgare och 2017 avsade han sig sitt amerikanska medborgarskap.
Forskning
[redigera | redigera wikitext]Sutton och Barto var pionjärer inom att använda markovska beslutsprocesser (markov decision process) som matematisk grund för att förklara hur algoritmer (agenter) kan fatta beslut i okända miljöer baserat på belöningar. Deras arbete lade grunden för modern förstärkningsinlärning, en teknik som sedermera varit avgörande för flera stora AI-genombrott, bland annat Googles AlphaGo. Han är även känd för att ha utvecklat tidsmässig skillnad-inlärning (temporal difference learning). Tillsammans med Barto författade han standardverket Reinforcement Learning: An Introduction (1998, omarbetad 2018).
Sutton är också uppmärksammad för sin essä "The Bitter Lesson" från 2019.[3] Där argumenterar han för att AI-forskningen under 70 år har visat att generella metoder som skalar med beräkningskraft alltid slår metoder som bygger på att människor försöker bygga in specifik domänkunskap i systemen.
Utmärkelser (urval)
[redigera | redigera wikitext]- Fellow i Association for the Advancement of Artificial Intelligence (2001)
- Fellow i Royal Society of Canada (2016)
- Fellow i Royal Society of London (2021)[4]
Referenser
[redigera | redigera wikitext]- 1 2 ”Richard S. Sutton” (på engelska). Alberta Machine Intelligence Institute. https://www.amii.ca/people/richard-s-sutton. Läst 7 mars 2026.
- 1 2 ”Dr. Richard Sutton” (på engelska). awards.acm.org. https://awards.acm.org/award-recipients/sutton_0160594. Läst 7 mars 2026.
- ↑ ”The Bitter Lesson”. www.incompleteideas.net. http://www.incompleteideas.net/IncIdeas/BitterLesson.html. Läst 7 mars 2026.
- ↑ ”Fellow Detail Page | Royal Society” (på engelska). royalsociety.org. https://royalsociety.org/sitecore/content/royal-society/configuration/foundation/dynamics-api/fellowsdetailpage/. Läst 7 mars 2026.
|
