突然想到这个问题。
既然梯度下降是为了缩小搜索空间的范围。那么”学习经验“的强化学习，可以理解为人工提供”梯度“么
或者说，我们找到了偏导数做神经网络优化的依据。而强化学习，我们没找到像偏导数这么有效的依据，就靠经验了
打个比方，神经网络的学习方法就像我们教小孩子学数学，公式都已经推导出来了，我们直接照着”清晰的规律“教。而强化学习就像教一些人文学科比如文学，理论不是那么清晰，我们就直接教作品，让学生自己学。多看大师的作品一样能提高水平
可以这么理解么？
既然梯度下降是为了缩小搜索空间的范围。那么”学习经验“的强化学习，可以理解为人工提供”梯度“么
或者说，我们找到了偏导数做神经网络优化的依据。而强化学习，我们没找到像偏导数这么有效的依据，就靠经验了
打个比方，神经网络的学习方法就像我们教小孩子学数学，公式都已经推导出来了，我们直接照着”清晰的规律“教。而强化学习就像教一些人文学科比如文学，理论不是那么清晰，我们就直接教作品，让学生自己学。多看大师的作品一样能提高水平
可以这么理解么？