目標導向行為（goal-directed behavior）

強化學習的智能體不只是當下對情境做反應，而是在追求一個目標。因為牠是以長期累積的獎勵來評斷，所以會學著把未來放在心上行動——採取那些現在或許沒有回報、卻能為日後鋪路的動作。這種有目的、向前看的特質，正是強化學習之所以像「在做決策」，而不只是在配對樣式的原因。

關鍵在於：沒有人把目標寫成明確的步驟；目標完全活在獎勵裡。智能體自己發明達成目標的策略，有時想出設計者從沒料到的招數。這既是它的美好，也是它的危險：把獎勵設對，你會得到真正聰明的目標追尋；設錯了，智能體就會以令人不安的專一，去追逐你字面上寫下的那個獎勵。