強化學習
探索與利用（exploration vs exploitation）
/ ek-splor-AY-shun vurs ek-sploy-TAY-shun /
想像你最愛的那家餐館。你是點那道你早已知道很美味的菜（利用），還是試一道新菜——它也許更出色，也許令人失望（探索）？這個日常的兩難，正是強化學習的核心張力。一個總是走當前最佳著法的智能體，永遠發現不了更好的；一個總是嘗新的智能體，又永遠兌現不了它已經學到的東西。
這種張力無可迴避，因為智能體在學習的同時也在行動。每一個動作既是一次抉擇（去做此刻看來最好的事），也是一場實驗（去弄清那個動作究竟通向何方）。兩者無法同時做到極致：花在蒐集資訊上的時間，就是沒花在賺取獎勵上的時間，反之亦然。把這個平衡拿捏得恰到好處，從真切的意義上說，就是這門技藝的全部。
並不存在普適的解，只有一道策略光譜——從粗糙的 ε-貪心（大多時候利用，偶爾擲骰子），到那些在最不確定處探索得更多的精巧方案。一個自然且有充分依據的直覺是：在知之甚少的早期大膽探索，隨著認識日漸扎實再多去利用。但探索得太少，你可能會永遠鎖死在一個平庸的習慣上，既自信又錯誤；探索得太多，你又會把獎勵白白揮霍在那些本就不可能有回報的選項上。
你搬到一座有二十家咖啡館的新城。頭幾週裡，你每天換一家試（探索）。一旦找到三家心頭好，你便大多回去光顧它們（利用）——但仍時不時溜進一家新店，萬一它更好呢。這種混搭，恰恰就是一個好的強化學習智能體所做的事。
去試新選項以學習（探索）對上吃定已知的最佳（利用）——兩者無法同時最大化。
純粹的利用是一個陷阱：一個一旦鎖定它找到的第一個還過得去的選項就不撒手的智能體，可能永遠學不到一個好得多的選項其實近在咫尺。危險在於，它從頭到尾都感覺自己很成功——按它自己的尺度獎勵很高，而一個高得多的天花板，卻被永遠擱置在未曾探索之處。
又稱
另見