TD-Gammon
Програма Тезауро навчилася грати в нарди з нуля, лише граючи сама з собою, і досягла міцного середнього рівня — сильнішого за комерційні програми й за мережу, навчену на великій базі ходів експерта.
Чому це важливо
Автор називає це, схоже, першим застосуванням методу часових різниць до складної нетривіальної задачі, і результат виявився кращим, ніж передбачала тодішня теорія.
Мережа оцінювала позицію, а метод часових різниць виправляв оцінку за наступною. Найкраща мережа (40 прихованих нейронів) навчалася близько 200 000 партій: вигравала 66,2 % проти Gammontool (мережа, навчена на прикладах експерта, — 59,4 %) і грала 50 на 50 з Neurogammon 1.0, чемпіоном Комп'ютерної олімпіади 1989 року. Рівень найкращих людей належить пізнішим версіям TD-Gammon, а не цій статті: за статтею Тезауро 1995 року, версія 1.0 наприкінці 1991 року зіграла 51 партію проти гросмейстерів і програла 13 пунктів, а розбір програми, оприлюднений у статті Роберті 1992 року, показав, що загальноприйнятий дебютний хід (slot) гірший за розділення задніх шашок. Це той самий рецепт, що через двадцять чотири роки дав AlphaGo.