3月5日，图灵奖授予安德鲁·巴托和理查德·萨顿，表彰他们在强化学习领域的开创性贡献。强化学习作为机器学习重要分支，通过智能体与环境交互调整策略实现学习。巴托与萨顿在20世纪80年代奠定理论基础，提出时序差分学习和演员—评论家模型，推动其成为独立学科。Q学习算法进一步完善了强化学习框架，而深度学习与强化学习结合的深度Q网络（DQN）则使AI在雅达利游戏中表现优异。AlphaGo通过监督学习与强化学习结合击败围棋冠军李世石，AlphaZero更通过自我对弈超越人类顶尖棋手，展示通用性。尽管强化学习曾因监督学习优势下降而受质疑，但DeepSeek通过创新算法GRPO证明其强大潜力，再次引起广泛关注。

伯克利大学深度强化学习课程吸引了众多90后中国学者，他们在2016年春季的课程中首次接触深度强化学习，随后投身相关研究。吴翼、高阳、段岩、陈曦等人相继创立了多家明星创企，如边塞科技、星动纪元、星海图和千寻智能，其中不少企业成立于2023年。这些学者从伯克利的深度强化学习课程起步，逐步探索AI与机器人技术的结合，推动了具身智能领域的发展。他们不仅在学术界取得突破，还积极创业，推动技术落地。例如，吴翼和高阳分别创立了边塞科技和千寻智能，致力于通过强化学习技术为更多人创造智能体验。这些创业者均来自清华和伯克利，他们共同推动了具身智能领域的快速发展。最新动态显示，这些企业在2023至2024年间迅速崛起，成为该领域的领军者。