【AI塔罗】愚人·强化学习

牌面：强化学习最经典的任务之一——带悬崖的网格世界，完美贴合愚人牌中的悬崖意象。除了到达目标点G，中途任何前进的奖励为-1，而跌落悬崖的奖励为-100且传送回起点。智能体必须在悬崖边探索才能发现最短路径，展现了风险与探索、即时反馈与长期目标的冲突与权衡。
象征：在未知环境中依赖延迟、稀疏奖励信号的试错学习。

正位 · 拥抱试错
关键词：探索、适应、从经验中成长、无惧未知
技术寓意：
· 智能体积极探索环境，不因短期失败而退缩
· 算法能够从稀疏奖励中学习，在长期获得最优策略
· 具备序列决策能力，能在动态环境中不断调整行为

逆位 · 局部最优
关键词：短视、样本低效、奖励破解、无法泛化
技术寓意：
· 智能体陷入探索不足，只在已知的舒适区行动
· 奖励函数设计不当，导致智能体学到投机取巧的行为
· 面临样本效率低下，重复同样错误
· 在泛化上失败——换一个相似环境就完全失灵