让机器和自己下棋，这个想法比想象中更古老
塞缪尔为了让跳棋程序不断进步，设计了一套让程序与自身反复对弈、并根据对弈结果调整棋局评估函数权重的训练机制，这一"自我对弈"的核心思路，与近六十年后DeepMind的AlphaGo Zero通过与自身对弈从零学会围棋的训练方法，在原理上一脉相承。塞缪尔本人也因此常被视为强化学习这一研究方向最早的实践者之一，尽管"强化学习"作为一个正式的学科名称，要到几十年后才被系统确立。
🎲
亚瑟·塞缪尔
本名Arthur Samuel
美国计算机科学家，"机器学习"一词的提出者
想到"机器能思考"的人 · 先驱者
"机器学习"术语的提出西洋跳棋程序自我对弈训练方法的早期实践
是谁
亚瑟·塞缪尔（1901-1990）是美国计算机科学家，1959年在IBM工作期间提出"机器学习"（Machine Learning）这一术语，并将其定义为"一个不需要被显式编程、就能让计算机具备学习能力的研究领域"。他为IBM 701计算机编写的西洋跳棋程序，是历史上最早能够通过与自身反复对弈来提升棋力、而非完全依赖人工预设规则的程序之一，这一"自我对弈"训练思路此后跨越近六十年，在AlphaGo Zero等现代强化学习系统中以更强大的形式重现。塞缪尔的跳棋程序在1962年一场公开对局中击败了当时美国跳棋高手之一罗伯特·尼利，这场胜利在当时的媒体报道中引发广泛关注，被视为"机器可以在智力游戏中战胜人类"这一此后反复上演的故事情节的最早原型。
依据原典塞缪尔《利用跳棋游戏进行机器学习研究》（1959）
主要故事
人物关系
盟友
今日回响
以下是现代作品对这个名字或故事的借用、改写，不代表原始内容——两者不一样，别混着记。
"自我对弈"训练思路的现代重现塞缪尔最早实践的"让机器与自己对弈"这一训练思路，近六十年后在DeepMind的AlphaGo Zero系统中以远更强大的形式重现，成为强化学习领域的核心方法之一。