Arthur Lee Samuel (5 de diciembre de 1901 - 29 de julio de 1990) [3] fue un pionero estadounidense en el campo de los juegos de computadora y la inteligencia artificial . [2] Popularizó el término " aprendizaje automático " en 1959. [4] El programa de Samuel Checkers-playing fue uno de los primeros programas de autoaprendizaje exitosos del mundo y, como tal, una demostración muy temprana del concepto fundamental de inteligencia artificial (IA). [5] También fue un miembro senior de la comunidad TeX que dedicó mucho tiempo a brindar atención personal a las necesidades de los usuarios y escribió un manual temprano de TeX en 1983. [6]
Samuel nació el 5 de diciembre de 1901 en Emporia, Kansas , y se graduó en el College of Emporia en Kansas en 1923. [3] Recibió una maestría en Ingeniería Eléctrica del MIT en 1926, y enseñó durante dos años como instructor. En 1928, se unió a Bell Laboratories , donde trabajó principalmente en tubos de vacío , incluidas las mejoras del radar durante la Segunda Guerra Mundial . [5] Desarrolló un interruptor de transmisión-recepción de descarga de gas (tubo TR) que permitía utilizar una sola antena tanto para transmitir como para recibir. [7] Después de la guerra, se trasladó a la Universidad de Illinois en Urbana-Champaign para convertirse en profesor de Ingeniería Eléctrica, donde inició el proyecto ILLIAC , pero se fue antes de que se completara su primera computadora. [8]
Samuel fue a IBM en Poughkeepsie, Nueva York , en 1949, donde concibió y llevó a cabo su trabajo más exitoso. Se le atribuye una de las primeras tablas hash de software y la influencia en las primeras investigaciones sobre el uso de transistores para computadoras en IBM. [3] En IBM realizó el primer programa de damas en la primera computadora comercial de IBM, la IBM 701. El programa fue una demostración sensacional de los avances tanto en hardware como en programación especializada e hizo que las acciones de IBM aumentaran 15 puntos de la noche a la mañana. Su programación no numérica pionera ayudó a dar forma al conjunto de instrucciones de los procesadores, ya que fue uno de los primeros en trabajar con computadoras en proyectos distintos a la computación. [2] Era conocido por escribir artículos que facilitaban la comprensión de temas complejos. Fue elegido para escribir una introducción a una de las primeras revistas dedicadas a la informática en 1953. [9]
En 1966, Samuel se retiró de IBM y se convirtió en profesor de la Universidad de Stanford , donde trabajó el resto de su vida. Trabajó con Donald Knuth en el proyecto TeX , incluida la redacción de parte de la documentación. Continuó escribiendo software después de cumplir 88 años. [6]
En 1987, la IEEE Computer Society le concedió el premio Computer Pioneer. [10] Murió por complicaciones de la enfermedad de Parkinson el 29 de julio de 1990. [5]
Samuel es más conocido dentro de la comunidad de IA por su trabajo pionero en damas de computadora en 1959, y la investigación seminal sobre aprendizaje automático , a partir de 1949. [6] Se graduó del MIT y enseñó en el MIT y UIUC de 1946 a 1949. [11] Creía que enseñar a las computadoras a jugar era muy fructífero para desarrollar tácticas apropiadas para problemas generales, y eligió las damas porque es relativamente simple aunque tiene una profundidad de estrategia. El principal impulsor de la máquina era un árbol de búsqueda de las posiciones del tablero alcanzables desde el estado actual. Como solo tenía una cantidad muy limitada de memoria de computadora disponible, Samuel implementó lo que ahora se llama poda alfa-beta . [12] En lugar de buscar cada camino hasta llegar a la conclusión del juego, Samuel desarrolló una función de puntuación basada en la posición del tablero en un momento dado. Esta función intentó medir la probabilidad de ganar para cada lado en la posición dada. Se tuvieron en cuenta aspectos como el número de piezas de cada lado, el número de reyes y la proximidad de las piezas a ser “coronadas”. El programa eligió su movimiento basándose en una estrategia minimax , lo que significa que realizó el movimiento que optimizó el valor de esta función, asumiendo que el oponente estaba tratando de optimizar el valor de la misma función desde su punto de vista. [13]
Samuel también diseñó varios mecanismos mediante los cuales su programa podía mejorar. En lo que él llamó aprendizaje de memoria , el programa recordaba cada posición que ya había visto, junto con el valor terminal de la función de recompensa. Esta técnica amplió efectivamente la profundidad de búsqueda en cada una de estas posiciones. Los programas posteriores de Samuel reevaluaron la función de recompensa basándose en la información de partidas profesionales. También lo hizo jugar miles de partidas contra sí mismo como otra forma de aprendizaje. Con todo este trabajo, el programa de Samuel alcanzó un estatus de aficionado respetable y fue el primero en jugar a un juego de mesa a un nivel tan alto. Continuó trabajando en damas hasta mediados de la década de 1970, momento en el que su programa alcanzó la habilidad suficiente para desafiar a un aficionado respetable. [14]
Por procesamiento adaptativo no numérico