試誤學習（trial-and-error learning）

強化學習的核心，就是「邊做邊看會發生什麼」——就像小孩學騎腳踏車那樣。沒有老師在旁邊說「這裡的正確動作是 X」。取而代之，智能體嘗試一個動作，觀察結果與獎勵，然後微調自己：多做有效的、少做沒效的。好的行為是被「摸索」出來的，不是直接交到手上的。

這之所以強大，是因為我們往往無法事先寫出正確答案，卻能在看到好結果時認得出它。代價是：智能體得真的經歷失敗才能從中學習，這可能很慢，在真實世界裡甚至昂貴或不安全。它也逼出一個貫穿整個強化學習的難題：我做過的這麼多動作裡，到底是哪一個真正造成了這個結果？