در مورد تفاوت یادگیری تقویتی و یادگیری نظارت شده فکر می کردم ولی تفاوت اینها خیلی به اسمشون هم ربط داره توی یادگیری باناظر مثل یادگیر از معلم هست معلم برای اینکه به دانش آموز چیزی یاد بده باید خودش اون مسیله رو بلد باشه.اما در یادگری تقویتی لازم نیست ما مسیله رو بلد باشیم ما فقط اهداف رو مشخص می کنیم و پاداشی برای اونها در نظر می گیریم و این وظیفه کامپیوتر هست که راه حل رسیدن به اونها رو بلد بشه.

حتی می شه از برخی سوالات اساسی به سوالات اساسی تر رسید. مثلا کلا کامپیوتر چه نوع مسایلی رو می تونه حل کنه اصلا مسیله یعنی چی؟ راه حل یعنی چی؟ تقسیم بندی مسایل به چه شکلی است؟ قضیه چی؟! البته شاید برای جواب به این سوالات باید قضیه رو کمی انتزاعی کنی. مثلا کامپیوتر چیه؟ می شه گفت وسیله ای برای پردازش داده.و خروجی پردازش داده معمولا اطلاعات هست. و خروجی پردازش اطلاعات دانش هست. دانش هم شاید دانستن اینکه در هر وضیعتی چه کاری انجام بشه.