强化学习
探索与利用（exploration vs exploitation）
/ ek-splor-AY-shun vurs ek-sploy-TAY-shun /
想象你最爱的那家餐馆。你是点那道你早已知道很美味的菜（利用），还是试一道新菜——它也许更出色，也许令人失望（探索）？这个日常的两难，正是强化学习的核心张力。一个总是走当前最佳着法的智能体，永远发现不了更好的；一个总是尝新的智能体，又永远兑现不了它已经学到的东西。
这种张力无可回避，因为智能体在学习的同时也在行动。每一个动作既是一次抉择（去做此刻看来最好的事），也是一场实验（去弄清那个动作究竟通向何方）。两者无法同时做到极致：花在搜集信息上的时间，就是没花在赚取奖励上的时间，反之亦然。把这个平衡拿捏得恰到好处，从真切的意义上说，就是这门技艺的全部。
并不存在普适的解，只有一道策略光谱——从粗糙的 ε-贪心（大多时候利用，偶尔掷骰子），到那些在最不确定处探索得更多的精巧方案。一个自然且有充分依据的直觉是：在知之甚少的早期大胆探索，随着认识日渐扎实再多去利用。但探索得太少，你可能会永远锁死在一个平庸的习惯上，既自信又错误；探索得太多，你又会把奖励白白挥霍在那些本就不可能有回报的选项上。
你搬到一座有二十家咖啡馆的新城。头几周里，你每天换一家试（探索）。一旦找到三家心头好，你便大多回去光顾它们（利用）——但仍时不时溜进一家新店，万一它更好呢。这种混搭，恰恰就是一个好的强化学习智能体所做的事。
去试新选项以学习（探索）对上吃定已知的最佳（利用）——两者无法同时最大化。
纯粹的利用是一个陷阱：一个一旦锁定它找到的第一个还过得去的选项就不撒手的智能体，可能永远学不到一个好得多的选项其实近在咫尺。危险在于，它从头到尾都感觉自己很成功——按它自己的尺度奖励很高，而一个高得多的天花板，却被永远搁置在未曾探索之处。
又称
另见