Arthur Samuel (1901-1990) war ein amerikanischer Informatiker bei IBM, der eines der ersten selbstlernenden Spielprogramme entwickelte - ein System zum Damespielen - und in einer wegweisenden Arbeit von 1959 den Begriff „maschinelles Lernen" prägte.
Das Dameprogramm
Samuel begann in den 1950er-Jahren bei IBM mit der Entwicklung seines Dameprogramms und ließ es auf den frühen Computern des Unternehmens laufen, darunter der IBM 701. Anstatt eine feste Strategie von Hand zu kodieren, entwarf Samuel das Programm so, dass es sich durch Erfahrung verbesserte: Es spielte Partien gegen sich selbst und gegen menschliche Gegner, passte die Gewichte seiner Bewertungsfunktion für Spielstellungen basierend auf den Ergebnissen an und nutzte eine rudimentäre Form dessen, was später als bestärkendes Lernen formalisiert wurde. Eine 1962 im Fernsehen übertragene Demonstration, bei der das Programm einen starken menschlichen Damespieler besiegte, lenkte große öffentliche Aufmerksamkeit auf die Idee, dass eine Maschine ihre eigene Leistung verbessern kann, ohne explizit umprogrammiert zu werden.
Prägung des Begriffs „maschinelles Lernen"
In seiner Arbeit von 1959 mit dem Titel „Some Studies in Machine Learning Using the Game of Checkers" definierte Samuel das Feld als die Fähigkeit, „Computern das Lernen zu ermöglichen, ohne explizit programmiert zu werden" - ein Satz, der für Jahrzehnte zur Standarddefinition, wenn auch informell, des maschinellen Lernens wurde. Die Arbeit führte auch Ideen ein, die dem Temporal-Difference-Lernen ähneln, bei dem das Programm seine Bewertungen durch den Vergleich von Vorhersagen aufeinanderfolgender Zeitschritte anpasste - eine Technik, die später von Richard Sutton formalisiert und benannt wurde und zentral für das moderne bestärkende Lernen ist.
Spätere Karriere und Einfluss
Samuel arbeitete später an der Stanford University, wo er neben John McCarthy zu frühen Time-Sharing-Systemen beitrug und sein Dameprogramm bis in die 1970er-Jahre weiter verfeinerte. Obwohl sein Programm nach den Maßstäben späterer Spielsysteme eng begrenzt war, nahm es das Selbstspiel-Paradigma vorweg, das Jahrzehnte später in Systemen wie AlphaGo und insbesondere AlphaZero wieder auftauchte, die Go, Schach und Shogi allein durch Selbstspiel lernten.
Vermächtnis
Samuels Dameprogramm wird weithin als das erste Computerprogramm zitiert, das ein Spiel gut genug lernte, um ernsthafte menschliche Spieler herauszufordern, und seine Prägung des Begriffs „maschinelles Lernen" gab dem Feld einen Namen, der Bestand hatte, auch als sich seine Methoden von einfachen gewichteten Bewertungsfunktionen zu den tiefen neuronalen Netzen und großen Sprachmodellen des 21. Jahrhunderts entwickelten. Seine Demonstration, dass eine Maschine sich durch Erfahrung statt durch explizite Anweisungen verbessern kann, wird oft als früher Machbarkeitsnachweis für das breitere Projekt der künstlichen Intelligenz zitiert.