不確定下的樂觀（optimism under uncertainty）

這裡有一個簡單卻強大的原則：當你不確定某樣東西有多好時，就先假設它是好的，直到經驗說不是。一個樂觀的智能體會給沒試過或很少試過的動作一個被灌高的價值，這讓貪婪的選擇者無法抗拒它們。於是不需要任何明確的隨機性，智能體就自然被拉向它最不了解的東西——而每次造訪都會把這份樂觀往真相收斂一點。

這把探索變成對一個刻意樂觀的價值估計做普通的貪婪利用，這也是為什麼它撐起許多最強、帶可證明保證的方法。把價值表初始化成很高的數字（樂觀初始化）是最粗糙的版本；信賴上界規則與基於計數的獎勵則是有原則的形式。危險在於校準：太過樂觀會浪費時間追逐毫無希望的選項，太不樂觀則會塌回過早的貪婪。