亚瑟·塞缪尔（1901-1990）是IBM公司的一位美国计算机科学家，他开发了最早的自学习游戏程序之一，，一个跳棋对弈系统，并在1959年一篇具有里程碑意义的论文中创造了“机器学习”这一术语。
跳棋程序
塞缪尔于20世纪50年代在IBM开始开发他的跳棋程序，并在公司早期的计算机（包括IBM 701）上运行。他没有手工编写固定策略，而是设计让程序通过经验来改进：它与自己及人类对手对弈，根据结果调整其局面评估函数的权重，并使用了一种后来被正式化为强化学习雏形的方法。1962年，在一次电视演示中，该程序击败了一位实力强劲的人类跳棋选手，这一事件广受公众关注，引发了人们对于机器无需重新编程即可自行提升表现这一理念的广泛关注。
提出“机器学习”
在1959年发表的论文《利用跳棋游戏的机器学习研究》中，塞缪尔将该领域定义为使“计算机具备无需显式编程即可学习的能力”，这一表述在数十年间成为机器学习最标准（虽然非正式）的定义。该论文还引入了类似于时序差分学习的理念，即程序通过比较连续时间步上的预测来调整评估结果，这一技术后来由Richard Sutton正式提出并命名，也是现代强化学习的核心。
后期职业生涯及其影响
塞缪尔后来在斯坦福大学工作，与John McCarthy一同为早期分时系统作出了贡献，并继续完善他的跳棋程序直至1970年代。尽管以当时游戏系统的标准衡量，它的应用范围较窄，但他的跳棋程序预见了自学习对弈范式，这种范式在几十年后重新出现于诸如AlphaGo以及尤其是AlphaZero的系统中，后者完全依靠自对弈学会了围棋、国际象棋和将棋。
遗产
塞缪尔的跳棋程序被广泛认为是第一个能学会下棋并足以挑战人类玩家的计算机程序，而他创造的“机器学习”一词也为该领域赋予了经久不衰的名称，即使其中方法已从简单的加权评估函数发展为21世纪的深度神经网络和大型语言付模型。他证明机器可以通过经验而非显式指令来改进自己的表现，这一成常被视为Artificial intelligence更广泛项目的早期概念验证。