アンドリュー・ゲーレット・バルト（1948年生まれ）は、アメリカの計算機科学者であり、マサチューセッツ大学アマースト校の計算機科学名誉教授である。彼は、現代の計算論的強化学習の先駆者として広く認識されており、この分野は人工知能と機械学習における多くの進歩を支えている。特に、元博士課程の学生であるリチャード・S・サットンとの共同研究により、エージェントが不確実な環境で報酬から学習する方法の概念的およびアルゴリズム的基盤を確立した。
バルトの研究は、強化学習を理論的なアイデアから実用的なアルゴリズムへと発展させる上で極めて重要であり、ロボティクスからゲームプレイまでの分野に影響を与えた。彼の教科書である『強化学習』は、この分野の標準的な参考書となっており、その貢献は2024年のACM A.M.チューリング賞（しばしば「コンピューティングのノーベル賞」と呼ばれる）で認められた。
初期の人生と教育
アンドリュー・ゲーレット・バルトは1948年に生まれた。彼は当初、ミシガン大学で船舶工学と工学を学んでいたが、マイケル・アルビブ、ウォーレン・スタージス・マカロック、ウォルター・ピッツの研究に触れた後、コンピュータと数学を用いて脳をモデル化することに魅了された。彼は専攻を変更し、1970年に数学で優等学位を取得した。その後もミシガン大学で学び続け、1975年にセル・オートマトンに関する論文でコンピュータサイエンスの博士号を取得した。
マサチューセッツ大学アマースト校での学術キャリア
1977年、バルトはマサチューセッツ大学アマースト校の情報・コンピュータサイエンス学部に博士研究員として加わった。彼は昇進を重ね、1982年に准教授、1991年に正教授となった。2007年から2011年まで学部長を務め、神経科学と行動プログラムの中核教員でもあった。
UMassでは、バルトは自律学習研究所（当初は適応ネットワーク研究所）の共同所長を務め、強化学習研究の中心となった。彼の博士課程の学生であるリチャード・サットンは、重要なアイデアについて彼と協力し、2人でこの分野を定義する数学的枠組みを開発した。
強化学習の基礎
バルトがUMassに着任したとき、彼は脳内のニューロンの行動が知能の基盤となり得るという概念（A・ハリー・クロップフによって提唱された）を探求するグループに加わった。バルトとサットンは、マルコフ決定過程（MDP）を数学的基盤として用い、エージェントが確率的環境で各行動後に報酬を受け取りながら決定を下す方法を説明した。従来のMDP理論は、エージェントが環境について完全な知識を持つことを前提としていたが、バルトとサットンの革新は、未知の環境と報酬を許容し、アルゴリズムを幅広い現実世界の問題に適用可能にした。
彼らの研究は、現代の強化学習の基盤を築き、後にGoogleのAlphaGoが人間のチャンピオンを打ち負かすなどの飛躍的進歩を支えた。この技術は現代のAIブームの基盤となり、深層学習とニューラルネットワークの研究に影響を与えている。
出版と影響
バルトは、ジャーナル、書籍、会議録で100以上の論文と章を発表している。彼の最も影響力のある業績は、リチャード・サットンと共著の教科書『強化学習』であり、1998年にMITプレスから初版が出版され、2018年に第2版が出版された。また、ジェニー・シー、ウォーレン・パウエル、ドン・ウォンチ2世と共に『ハンドブック・オブ・ラーニング・アンド・アプロキシメイト・ダイナミックプログラミング』（Wiley-IEEE Press、2004年）を共同編集した。
彼の研究は、ロボティクス、ゲームプレイ、自律システムなど多くの分野に直接影響を与えており、彼のアイデアは大規模言語モデルと生成AIの発展に不可欠である。
受賞と栄誉
バルトは、その貢献に対して数多くの栄誉を受けている。彼は、アメリカ科学振興協会のフェロー、IEEEのフェローおよびシニアメンバー、アメリカ人工知能協会および神経科学学会の会員である。2004年にIEEEニューラルネットワーク協会パイオニア賞、2017年にIJCAI研究優秀賞、2019年にUMass神経科学生涯功労賞を受賞した。
2024年には、リチャード・S・サットンと共同で、計算機協会からチューリング賞を授与され、「強化学習の概念的およびアルゴリズム的基盤の開発に対して」という引用が添えられた。この栄誉は、彼をこの分野の基礎的人物として確固たるものにした。