输入表示丢掉的信息，会限制系统能从当前观察中推断什么
不完整观察不等于永远无法推断；额外历史、反馈或先验可能改变答案。
沿同一来源继续阅读
游戏智能的失败可以来自输入和目标的限制 →盲棋只给占位掩码，因此相同输入可能对应不同真实棋盘；PlayFun用示范RAM构造上升指标并短视搜索，俄罗斯方块中堆叠小得分反而导向失败。两例说明评估行为前需要检查表示丢失了什么、指标奖励了什么。都没有老师给答案，学习信号却不同 →无监督学习片段要求从未标注数据发现结构；强化学习片段没有监督者指定动作，却明确提供奖励信号。并读可以澄清没有标签不等于没有反馈。奖励学习与遗传筛选都用反馈，但更新单位不同 →强化学习课程描述智能体通过试错和奖励信号改善动作；MarI/O 则依据关卡推进距离与速度计算适应度，筛选并繁殖网络。两者都利用任务反馈，但一种更新策略决策，另一种选择跨代网络个体，能避免把所有“没有标签的学习”混为一类。
对照原文
this has to have some mistakes since the representation is ambiguousthe future is independent of the past given the presentThe white squares stand for blocks the player can stand on