監督式學習與強化學習（supervised vs reinforcement learning）

在監督式學習裡，老師為每個範例提供正確答案：這張圖是貓、那張是狗。模型只要學著照抄標籤即可。在強化學習裡沒有標準答案——只有一個獎勵告訴你結果有多好，從不告訴你哪個動作才正確。智能體必須靠親自嘗試，自己摸索出好的動作。

還有另外兩個差異。監督式資料通常彼此獨立且固定，而強化學習智能體的資料是牠自己產生的序列，且牠自己的選擇決定了接下來會看到什麼——行動畏縮，你就永遠學不到大膽的招數會怎樣。再者，監督式回饋是「指導性」的（「答案是 X」），獎勵卻只是「評價性」的（「那一下得 3 分」）。這些差別，正是強化學習為何需要探索、信用分配和長期眼光的原因。