Alpha和Beta原本是完全相同的，Alpha不断提高自己的权重。在每场游戏结束后，如果Alpha打败了Beta，那么就假设Alpha更好，Beta采用Alpha的评价函数。相反，如果Alpha在某三场游戏中都败给了Beta，那么就假设Alpha出现了错误，然后将它首项的系数设置为0，使它恢复正常。而且，如果“Alpha的学习过程明显运行不正常”，则需通过手动干预来使它恢复先前状态。

　　当Alpha在多场游戏中连续战胜Beta时，这个学习算法得出的评价函数似乎趋于稳定。最终程序试玩西洋跳棋游戏的表现出优于平均水平。这个学习过程是机器学习的早期范例之一。但是，它的正确性是以几个错误假设为依据的。

　　这些假设中的第一个就是：好的评价函数可以定义为独立特征的线性组合。这个假设是不可靠的，而且在其中显得尤其错误，因为他有目的性地收集多余特征。例如，如果Samuel的学习过程考虑了两个完全相同的特征，那么就会给定这两个特征相同的权重，这会导致特征值的高估。而且，线性评价函数无法采集特征间的关系。通过重复Samuel的试验，Griffith [5]证明，通过一个极其简单的启发式棋步排序过程可以提升性能。

　　第二个假设是：当搜索和静态评价不一致时，那么静态评价一定出现了错误。虽然深度搜索一般比浅搜索更加准确，但是这种假设在几种情况下会不成立。如果某个位置出现问题，那么可能只有通过向前搜索若干层才能发现这个问题。在这种情况下，则应容许静态评价维持错误状态，因为通常我们无法将这种向前搜索的知识编码到静态评价中。而且，搜索可能会受到“地平线效应”(Horizon Effect) [2]的影响，导致生成不准确的评价。

　　第三个假设是：如果发现评价函数过度乐观，则假设任何积极成分都出现错误。这明显是错误的，因为在大多数位置上，每位玩家都在某些特征上领先对手，但是却在其他特征上落后于对手。错误的评价可能是由消极成分导致的，但是这些成分并不足够消极。仅仅检查记号是不够的。

　　最后，这个过程假设：如果玩家A战胜玩家B，一定是因为玩家A的评价函数优于玩家B。这个假设可能对于专业玩家而言是合理的，但是当新手程序互相对抗时，获胜的原因可能是：（1）更加优秀的评价函数；（2）运气（当两个玩家都不理解局势时）；或者（3）对手失误。由于Samuel的程序的游戏水平相当于新手，那么它获胜的原因通常是因为运气或者对手的失误，从而导致错误的信度分配。由于多项式学习涉及爬山法（hill-climbing），所以信度错误分配的问题尤为严重。

2.2.2.通过棋谱走法（book moves）进行特征表学习

　　Samuel认识到了这些问题，因此他设计了另一个学习过程，这个过程纠正了大部分问题[13]。为了处理特征间的非线性相互作用，他引入了特征表；为了处理自我模拟中的错误假设，他使用了棋谱走法。

　　特征表是非线性组合特征的多量纲表。每个量纲代表某种特征。在评价某一棋盘局势时，每个特征的值都用来将索引编入特征表中，对应这个索引的单元格包含评价。这个方法最明显的问题在于表会变得非常大。Samuel通过使用分层结构解决了这个问题，并且将特征分为四个一组的集合。

　　仅考虑内部集合间的相互作用。然后每个集合从索引单元格中生成一个数值，这个单元格的索引由四个特征值创建而成。下个更高的层级中的表使用这些数值，就好像它们是特征一样。共有四级。但是这样仍然会生成非常大的特征表，因此Samuel对特征值进行了量化。在每个最低层级的特征表中，其中三个特征的数值限制在（-1,0,1）间，剩下的那个特征的数值则限制在（- 2 , - 1 , 0 , 1 , 2）间。

　　这就得出了图1中的最终结构。这个结构包含883个单元格，这对于存储和训练来说都是合理的。

　　从棋谱走法开始训练这些单元格。我们将高手下棋所用的棋局输入到程序中。目的是使特征表学习模仿高手下棋。记下与高手所选走法的特征组合相一致的单元格的数量（用A表示），以及与高手所未选的合理走法的特征组合相一致的单元格的数量（用D表示）。实际的单元格数值通过计算(A- D)/(A + D)进行周期性更新，我们用这个数值衡量单元格遵从棋谱走法的程度。