在人工智能的強化學(xué)習(xí)算法中有三個核心因素：環(huán)境（environment），行動（action），反饋（reward）。

環(huán)境一般是常量，起碼在一段時間里是不變的，然后就是經(jīng)過大量的多輪行動，行動的目的是適應(yīng)環(huán)境，獲得最優(yōu)路徑，或者最大值，其實這就是模仿人類的活動方式，不論是學(xué)習(xí)一門新的知識和進行一項新的工作，一般出不了這個套路，當然學(xué)習(xí)和工作有很多現(xiàn)成的經(jīng)驗可以加以吸收，但這些也是前人在學(xué)習(xí)工作中總結(jié)出來的，也逃不出這個套路！

除去環(huán)境這個因素，人能掌控的就是行動了，不斷的嘗試，就像學(xué)編程就要通過寫程序來適應(yīng)電腦編譯器這個環(huán)境，寫作也得通過不斷的寫來適應(yīng)文字這個環(huán)境，形成自己的風(fēng)格！在現(xiàn)在這個社會，在做中學(xué)習(xí)無疑是最現(xiàn)實的，無論是代碼還是寫作，想適應(yīng)環(huán)境是靠學(xué)是不會成就你自己的能力的。如人飲水，冷暖還得自己去體會！

通過行動產(chǎn)生的反饋，指導(dǎo)下一次行動，就要有良好的日志記錄和有對行動價值評估能力，在學(xué)習(xí)中，通過做題考試這個行動很容易得到反饋，對的不用去理會，看錯的主要看錯的。

在工作中則相反，社會發(fā)展飛速，時間是第一稀缺資源，錯的不用去理會，看對的也就是最有成效的方法。

在學(xué)習(xí)中糾結(jié)于錯誤問題的成績基本差不了，但如果這個習(xí)慣帶到工作中一般都呵呵了，工作看成效，記住正確的工作方式方法就行了，如果編程發(fā)現(xiàn)了一個編譯器問題，你和它死磕，老板會很不滿意的。這就能解釋很多學(xué)霸們到了社會工作中會有一段不適應(yīng)的時期。

寫作應(yīng)該是介乎于兩者之間，把文章寫出來，發(fā)布到網(wǎng)上，獲得讀者的反饋，瀏覽量就是最大的反饋，起碼看的人多，評論就更應(yīng)該重視了，好的差的都要自己再評估一下，再做優(yōu)化！如同強化學(xué)習(xí)算法一樣，大量的寫作才有大量的反饋，能力才能提升！