1.強化學習的本質是在大空間中尋找最優解，是介於窮舉和貪婪之間的一種探索機制，這種探索機制是學習得來的。
2.強化學習的設計是用來解決離散問題的。
3.“介於窮舉和貪婪之間”：不用窮舉可以減少搜索量，提升速度；不用貪婪可以儘量避免局部最優解。因此可以說是在計算時間與全局最優之間的權衡。
4.最難是建模，弄清楚什麼是狀態空間，什麼是動作空間，什麼是轉移概率，什麼是獎勵函數就夠了。理解了問題本質，萬事皆可盤。
5.感覺自己像個馴獸員，在教電腦演雜技。做強化學習跟訓練我們家狗子有什麼本質區別。。。。。。