导读
Samuel 的跳棋程序展示机器无需由程序员逐步写明所有策略，也可以通过学习改善表现。这种从显式规则向经验学习的变化，最终会成为现代生成模型与数据驱动视觉系统的基础。
查看大图 ↗IBM 档案中的 Arthur Samuel：面前放有跳棋棋盘，身后为计算机控制台。来源页面未为这张照片单独注明拍摄日期。
IBM · 原始图像与文献权利归各自权利人
资料出处 · The games that helped AI evolve | IBM ↗档案研究说明
学习机器通过对弈改变自己的判断。
ANTI-AI ARCHIVE · 修订 2026-10-02
棋局作为实验环境
塞缪尔以跳棋研究机器学习。IBM对项目的回顾描述了从棋局经验中改进判断的程序，以及用机器对弈获得经验的做法。有限的棋盘、规则和胜负条件构成可比较的实验环境；这与开放的艺术评价不同，不能直接将赢棋视为创造力的通用尺度。
本节依据: 利用跳棋游戏开展机器学习的若干研究：资料依据
评价函数的文化含义
生成艺术也经常涉及选择哪些结果继续发展。塞缪尔的工作提供一个比较点：当评价目标可以明确给出时，改进意味着什么？在作品制作中，艺术家的选择、观众反馈和机构认可可能彼此冲突，并不存在与棋局胜负完全对应的单一目标。
本节依据: 利用跳棋游戏开展机器学习的若干研究：资料依据
正文引用资料
核读IBM对Samuel跳棋程序的机构回顾；不是1959年论文的全部实验复核。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与Boids：群体运动的局部规则之间的制作方法、控制方式或展示语境。
比较本条与进化的虚拟生物之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：1959 · 来源记录的历史日期：1959
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Some Studies in Machine Learning Using the Game of Checkers
https://doi.org/10.1147/rd.33.0210
当前引用地址
出处、翻译与核验状态
主线节点 #012 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 6 · 010
原记日期: 1959
利用跳棋游戏开展机器学习的若干研究 ↗
Some Studies in Machine Learning Using the Game of Checkers
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 利用跳棋游戏开展机器学习的若干研究. 艺术史节点 #012. https://salondesrefuses.cn/zh/art-history/010
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。