但关于第二点的质疑，其实是致命的。我们先看看计算机视觉领域，我们现在可以实际使用到的人脸检测，照片场景识别等应用都是基于算法工程师在训练数据上得到的模型，这些模型在我们实际使用中（训练数据并没有我们的数据），仍然可以比较精准的检测人脸，识别场景，其根本原因就在于，监督学习在训练阶段可以以相对比较容易的方式控制模型的复杂度，从而获得较好的泛化性能。

然而这样的结论在目前的强化学习研究中并不成立，甚至没有能引起足够多的重视。以下图为例，一个在《极品飞车》游戏中训练的自动驾驶策略，如果直接应用到《QQ飞车》，99%的概率要扑街，类似的现象在Atari 2600游戏中也可以观察到。

• 新技术带来新挑战 网络信息安全创新永远在路上
• 遂宁首届抖音挑战赛决赛现场，小伙的"特异功能"惊艳全
• 世界人工智能大赛·智能机器人创新挑战赛决出前三强
• 江津四面山生态五项国际挑战赛下月开赛 总奖金50万等你来拿
• 挑战贝克汉姆老婆的健身餐，澳洲妹子直接吃到崩溃了！
• 刘鹤十年前提出的“经济挑战”都出现了！
• 离石白马仙洞举办山地自行车挑战赛精彩现场（视频/图）
• 刘鹤十年前提出的“经济挑战”都出现了
• 哈弗H9、传祺GS8、比亚迪唐出战，挑战日系最强硬汉，战况惨烈！
• 美国海军正式重启第二舰队 叫嚣为应对中俄挑战