內在動機與探索（intrinsic motivation and exploration）

當外在報酬稀少，只追逐報酬的代理人可能徘徊許久卻一無所學。內在動機賦予代理人自己的好奇心：對遇到新奇或令人意外之事物給予內部獎勵，使它在任何任務報酬出現之前，就能有意義地探索。

其機制是在報酬上加一個內在項，而各流派對「什麼算有趣」看法不同。預測誤差式好奇心，如內在好奇心模組（ICM），獎勵那些「在學習而來的特徵空間中，前向模型預測不準」的狀態，並用逆向模型學出忽略不可控雜訊的特徵。新奇性與計數式方法透過偽計數，或如隨機網路蒸餾（RND）中「訓練去匹配固定隨機目標之網路」的誤差，來獎勵鮮少造訪的狀態。資訊增益與賦能（empowerment）則把好奇心形式化為降低不確定性或最大化控制力。此獎勵通常會隨狀態變熟悉而衰退。

一個惡名昭彰的陷阱是「電視雜訊問題」（noisy-TV）：純隨機的來源看起來永遠令人意外，會困住天真的好奇心代理人；特徵空間法與固定隨機目標法正是為抵抗它而設計。