最近收听了好友吴翼的播客，收获了很多强化学习的知识，也收获了很多人生的道理。

吴翼是研究强化学习领域的专家。他曾在 OpenAI 工作，是一线的 AI 创业者，现在清华叉院当助理教授（非常年轻）。

这期播客干货满满，是近期最有价值的播客之一。

我从中摘要了一些精华，分享给大家。

• RL 要解决的问题没有标准答案，每一步的具体决策也不受约束。
• 我们只能不断尝试，接收反馈，调整策略，继续尝试。
• 但人生的奖励函数是什么？财富？成就？内心的宁静？
• 人是“Diversity-driven”（多样性驱动）的，我们天生追求不同的体验，这才构成了多姿多彩的人生。
• 人还是要追求‘熵值最大化’的生活方式，”
• 要想找到自己的奖励函数，首先需要多主动探索，先和世界交手个三百回合。
• 创业公司不该有终局思维。恰恰相反，创业公司的机会恰恰在终局到来之前。

机器学习和强化学习

吴翼首先讲述了机器学习（ML）和强化学习（RL）的区别。

传统的机器学习，好比训练一个学生去记住大量标准答案，比如看图片认猫狗、人脸和指纹识别。

这类问题通常有两个特点：

一步到位，答案明确。

但 RL 和 ML 有很大的不同，RL 就像是在玩一场游戏：

第一，游戏不是一步到位，而是在过程中有非常多的动作和决策。

比如我们玩一个打乒乓球的游戏，发球、接球、回球，每一个动作都是非标的，而且不同的选择会直接影响最终的结果。

第二，赢得一场游戏的方式可能有成千上万种，并没有唯一的标准答案。

RL 要解决的问题没有标准答案，每一步的具体决策也不受约束，但当完成所有决策后，会有一个反馈机制来评判它最终做得好还是不好。

强化学习就像游戏，也像极了真实的人生。

我们面临无数选择，都不是简单的是非对错，也没有人给我们“通关攻略”。

我们只能不断尝试，接收反馈，调整策略，继续尝试。