एंड्रयू गेहर्ट बार्टो (जन्म 1948) एक अमेरिकी कंप्यूटर वैज्ञानिक और मैसाचुसेट्स एमहर्स्ट विश्वविद्यालय में कंप्यूटर विज्ञान के एमेरिटस प्रोफेसर हैं। उन्हें आधुनिक कम्प्यूटेशनल रीइन्फोर्समेंट लर्निंग के अग्रणी के रूप में व्यापक रूप से मान्यता प्राप्त है, यह क्षेत्र कृत्रिम बुद्धिमत्ता और मशीन लर्निंग में कई प्रगति को रेखांकित करता है। उनका कार्य, विशेष रूप से पूर्व डॉक्टरेट छात्र रिचर्ड एस. सटन के साथ, ने अनिश्चित वातावरण में एजेंटों द्वारा पुरस्कारों से सीखने के तरीके के लिए वैचारिक और एल्गोरिदमिक नींव स्थापित की।
बार्टो का शोध रीइन्फोर्समेंट लर्निंग को सैद्धांतिक विचारों से व्यावहारिक एल्गोरिदम तक ले जाने में सहायक रहा है, जिसने रोबोटिक्स से लेकर गेम खेलने तक के क्षेत्रों को प्रभावित किया है। उनकी पाठ्यपुस्तक, रीइन्फोर्समेंट लर्निंग: एन इंट्रोडक्शन, क्षेत्र में एक मानक संदर्भ बन गई है, और उनके योगदान को 2024 ACM A.M. ट्यूरिंग अवार्ड से मान्यता दी गई, जिसे अक्सर 'कंप्यूटिंग का नोबेल पुरस्कार' कहा जाता है।
प्रारंभिक जीवन और शिक्षा
एंड्रयू गेहर्ट बार्टो का जन्म 1948 में हुआ था। उन्होंने शुरू में मिशिगन विश्वविद्यालय में नौसेना वास्तुकला और इंजीनियरिंग का अध्ययन किया, लेकिन माइकल आर्बिब, वॉरेन स्टर्गिस मैककुलोच और वाल्टर पिट्स के कार्य का सामना करने के बाद, वे मस्तिष्क को मॉडल करने के लिए कंप्यूटर और गणित का उपयोग करने से मोहित हो गए। उन्होंने अपना ध्यान बदल दिया और 1970 में गणित में सम्मान के साथ बी.एस. अर्जित किया। उन्होंने मिशिगन में जारी रखा, 1975 में सेलुलर ऑटोमेटा पर एक थीसिस के साथ कंप्यूटर विज्ञान में पीएच.डी. पूरी की।
UMass एमहर्स्ट में शैक्षणिक करियर
1977 में, बार्टो मैसाचुसेट्स एमहर्स्ट विश्वविद्यालय के कॉलेज ऑफ इंफॉर्मेशन एंड कंप्यूटर साइंसेज में पोस्टडॉक्टोरल शोध सहयोगी के रूप में शामिल हुए। वे पदों पर आगे बढ़े, 1982 में एसोसिएट प्रोफेसर और 1991 में पूर्ण प्रोफेसर बने। उन्होंने 2007 से 2011 तक विभागाध्यक्ष के रूप में कार्य किया और न्यूरोसाइंस एंड बिहेवियर कार्यक्रम के मुख्य संकाय सदस्य थे।
UMass में, बार्टो ने ऑटोनॉमस लर्निंग लेबोरेटरी (शुरुआत में एडेप्टिव नेटवर्क लेबोरेटरी) का सह-निर्देशन किया, जो रीइन्फोर्समेंट लर्निंग अनुसंधान का केंद्र बन गई। उनके डॉक्टरेट छात्र, रिचर्ड सटन, ने प्रमुख विचारों पर उनके साथ सहयोग किया, और साथ में उन्होंने गणितीय ढांचा विकसित किया जो क्षेत्र को परिभाषित करेगा।
रीइन्फोर्समेंट लर्निंग की नींव
जब बार्टो UMass में शुरू हुए, तो वे एक समूह में शामिल हुए जो यह पता लगा रहा था कि मस्तिष्क में न्यूरॉन्स का व्यवहार बुद्धिमत्ता के आधार के रूप में कैसे काम कर सकता है, यह अवधारणा ए. हैरी क्लॉपफ द्वारा आगे बढ़ाई गई थी। बार्टो और सटन ने यह समझाने के लिए मार्कोव निर्णय प्रक्रियाओं (MDPs) को गणितीय आधार के रूप में उपयोग किया कि एजेंट स्टोकेस्टिक वातावरण में निर्णय कैसे लेते हैं, प्रत्येक क्रिया के बाद पुरस्कार प्राप्त करते हैं। पारंपरिक MDP सिद्धांत मानता था कि एजेंटों को पर्यावरण का पूर्ण ज्ञान है; बार्टो और सटन के नवाचार ने अज्ञात वातावरण और पुरस्कारों की अनुमति दी, जिससे एल्गोरिदम वास्तविक दुनिया की समस्याओं की एक विस्तृत श्रृंखला पर लागू हो गए।
उनके कार्य ने आधुनिक रीइन्फोर्समेंट लर्निंग की नींव रखी, जिसने बाद में गूगल के अल्फागो द्वारा मानव चैंपियनों को हराने जैसी सफलताओं को शक्ति दी। यह तकनीक आधुनिक AI उछाल की आधारशिला बन गई है, जो डीप लर्निंग और न्यूरल नेटवर्क अनुसंधान को प्रभावित करती है।
प्रकाशन और प्रभाव
बार्टो ने पत्रिकाओं, पुस्तकों और सम्मेलन कार्यवाहियों में एक सौ से अधिक पत्र और अध्याय प्रकाशित किए हैं। उनका सबसे प्रभावशाली कार्य पाठ्यपुस्तक रीइन्फोर्समेंट लर्निंग: एन इंट्रोडक्शन है, जो रिचर्ड सटन के साथ सह-लिखित है, पहली बार 1998 में MIT प्रेस द्वारा प्रकाशित, 2018 में दूसरे संस्करण के साथ। उन्होंने जेनी सी, वॉरेन पॉवेल और डॉन वंच II के साथ हैंडबुक ऑफ लर्निंग एंड अप्रॉक्सिमेट डायनामिक प्रोग्रामिंग (विले-आईईईई प्रेस, 2004) का भी सह-संपादन किया।
उनके शोध ने सीधे कई क्षेत्रों को प्रभावित किया है, जिनमें रोबोटिक्स, गेम खेलना और स्वायत्त प्रणालियाँ शामिल हैं, और उनके विचार बड़े भाषा मॉडल और जनरेटिव AI के विकास के लिए अभिन्न हैं।
पुरस्कार और सम्मान
बार्टो को उनके योगदान के लिए कई प्रशंसाएँ मिली हैं। वे अमेरिकन एसोसिएशन फॉर द एडवांसमेंट ऑफ साइंस के फेलो, IEEE के फेलो और वरिष्ठ सदस्य, और अमेरिकन एसोसिएशन फॉर आर्टिफिशियल इंटेलिजेंस और सोसाइटी फॉर न्यूरोसाइंस के सदस्य हैं। उन्होंने 2004 में IEEE न्यूरल नेटवर्क सोसाइटी पायनियर अवार्ड, 2017 में IJCAI रिसर्च एक्सीलेंस अवार्ड और 2019 में UMass न्यूरोसाइंसेस लाइफटाइम अचीवमेंट अवार्ड प्राप्त किया।
2024 में, उन्हें एसोसिएशन फॉर कंप्यूटिंग मशीनरी से रिचर्ड एस. सटन के साथ संयुक्त रूप से ट्यूरिंग अवार्ड से सम्मानित किया गया, जिसमें उद्धरण था: 'रीइन्फोर्समेंट लर्निंग की वैचारिक और एल्गोरिदमिक नींव विकसित करने के लिए।' इस सम्मान ने क्षेत्र में एक मौलिक व्यक्ति के रूप में उनकी स्थिति को मजबूत किया।