Day 2240：學習

強化學習和監督學習的區別如下。

（1）強化學習處理的大多數是序列數據，其很難像監督學習的樣本一樣滿足獨立同分布。

（2）學習器並沒有告訴我們每一步正確的動作應該是什麼，學習器需要自己去發現哪些動作可以帶來最多的獎勵，只能通過不停地嘗試來發現最有利的動作。

（3）智能體獲得自己能力的過程，其實是不斷地試錯探索（trial-and-error exploration）的過程。