أندرو بارتو

أندرو بارتو
Andrew Barto
وُلِدَ	Andrew Gehret Barto 1948/1949 (age 76–77)
القومية	أمريكي
المدرسة الأم	جامعة مشيگن
الجوائز	جائزة الريادة، جمعية الشبكات العصبونية، جائزة IJCAI للتميز البحثي، جائزة تورنگ (2024)
السيرة العلمية
المجالات	علم الحاسوب
الهيئات	جامعة مساتشوستس في أمهرست
أطروحة	الأتمتة الخلوية كنماذج للأنظمة الطبيعية (1975)
طلاب الدكتوراه	آمي مگڤرن رتشارد سوتون

أندرو گـِرِت بارتو (Andrew Gehret Barto ، و. 1948 أو 1949)، هو عالم حاسوب أمريكي، وأستاذ فخري لعلم الحاسوب في جامعة مساتشوستس-أمهرست. يشتهر بارتو بإسهاماته التأسيسية في مجال التعلم المعزز الحاسوبي الحديث.

 النشأة والتعليم

وُلد أندرو گـِرِت بارتو عام 1948 أو 1949. حصل على البكالوريوس في الرياضيات بامتياز من جامعة مشيگن عام 1970، بعد أن تخصص في البداية في الهندسة المعمارية والهندسة البحرية. بعد قراءة أعمال أربيب ومكولوتش وپيتس، أصبح مهتماً باستخدام أجهزة الحاسوب والرياضيات لنمذجة الدماغ، وبعد خمس سنوات حصل على الدكتوراه في علوم الحاسوب عن أطروحته حول الأتمتة الخلوية.

 مسيرته المهنية

عام 1977، انضم بارتو إلى كلية علوم المعلومات والحاسوب في جامعة مساتشوستس في أمهرست كباحث مشارك في مرحلة ما بعد الدكتوراه، وترقى إلى درجة أستاذ مشارك عام 1982، وأستاذ كامل عام 1991. وكان رئيسًا للقسم من عام 2007 حتى 2011 وعضواً أساسياً في هيئة التدريس في برنامج علم الأعصاب والسلوك.

خلال ذلك الوقت في جامعة مساتشوستس، شارك بارتو في إدارة معمل التعلم المستقل (في البداية كان معمل الشبكة التكيفية)، والذي أنتج العديد من الأفكار الرئيسية في التعلم المعزز. رتشارد سوتون، الذي شاركه في تأليف الكتاب المؤثر التعلم المعزز: مقدمة (مطبوعات إم آي تي 1998؛ الطبعة الثانية 2018)، كان أول طالب دكتوراه تحت إشرافه.^{[بحاجة لمصدر]} تخرج تحت إشراف بارتو 27 طالب دكتوراه، ثلاثة عشرة منهم أصبحوا أساتذة.^{[بحاجة لمصدر]}

 التعلم المعزز

When Barto started at UMass, he joined a group of researchers trying to explore the behavior of neurons in the human brain as the basis for human intelligence, a concept that had been advanced by computer scientist A. Harry Klopf. Barto was joined by his doctoral student, Sutton in using mathematics toward furthering the concept and using it as the basis for artificial intelligence. This concept became known as reinforcement learning and went on to becoming a key part of artificial intelligence techniques.

Barto and Sutton used Markov decision processes (MDP) as the mathematical foundation to explain how agents (algorithmic entities) made decisions when in a stochastic or random environment, receiving rewards at the end of every action. Traditional MDP theory assumed the agents knew all information about the MDPs in their attempt toward maximizing their cumulative rewards. Barto and Sutton's reinforcement learning techniques allowed for both the environment and the rewards to be unknown, and thus allowed for these category of algorithms to be applied to a wide array of problems.

Barto built a lab in UMass Amherst toward developing the ideas on reinforcement learning while Sutton returned to Canada. Reinforcement learning as a topic continued to develop in academic circles until one of its first major real world applications saw Google's AlphaGo program built on this concept defeating the then prevailing human champion. Barto and Sutton have widely been credited and accepted as pioneers of modern reinforcement learning, with the technique itself being foundational to the modern AI boom.

Barto published over one hundred papers or chapters in journals, books, and conference and workshop proceedings. He is co-author with Richard Sutton of the book Reinforcement Learning: An Introduction, MIT Press 1998 (2nd edition 2018), and co-editor with Jennie Si, Warren Powell, and Don Wunch II of the Handbook of Learning and Approximate Dynamic Programming, Wiley-IEEE Press, 2004.

 جوائز وتكريمات

Barto is a Fellow of the American Association for the Advancement of Science, a Fellow and Senior Member of the IEEE, and a member of the American Association for Artificial Intelligence and the Society for Neuroscience.

Barto was awarded the UMass Neurosciences Lifetime Achievement Award in 2019, the IEEE Neural Network Society Pioneer Award in 2004, and the IJCAI Award for Research Excellence in 2017. His citation for the latter read: "Professor Barto is recognized for his groundbreaking and impactful research in both the theory and application of reinforcement learning."

In 2025, he received the Turing Award from the Association for Computing Machinery together with his former doctoral student Richard S. Sutton for their work on reinforcement learning; the citation of the award read: "For developing the conceptual and algorithmic foundations of reinforcement learning."

 وصلات خارجية

• أندرو بارتو publications indexed by Google Scholar
• Official website