Sholto Douglas表示，从结构上来说，没有什么可以阻止强化学习算法“向神经网络注入新知识”。他以 DeepMind ...

像 AlphaZero 这样的系统展示了令人难以置信的智力复杂性，并且可以从 RL 信号中学习新知识。然而，它们是在结构严谨的双人完美信息游戏中运作的，其中奖励信号清晰且始终可用（总有一个玩家获胜）这个环境“对强化学习算法非常友好”。