本文接續上篇直覺式強化學習教學，著重於解釋強化學習中常見的探索和竭盡難題，以及如何利用不同的方法來進行策略函式的學習，並與策略梯度做比較。同時，介紹 A2CS 所使用的損失函式，以及應用這個損失函示於深度學習時會遇到的訓練難題。最後，總結強化學習和深度學習的未來方向，以及本系列文章所企圖達到的目標。

教育學習

職場產業

閱讀書評

[探索] 門外漢的強化學習指南：A2CS 學習模型中的探索和竭盡難題

本文介紹由 OpenAI 發表的強化學習中基準模型，並藉由國外軟體工程師所繪畫的生動動畫來做直覺式的強化學習介紹以及教學。在漫畫中，將會比較蒙地卡羅和 Advantage  Actor Critic (A2C) 模擬方法的不同，並將強化學習中的基礎觀念融入漫畫中。

直覺式教學