围棋和马里奥代理从不同反馈中改进
AlphaGo 先模仿人类棋手，再经自我对弈强化学习；MarI/O 按游戏进度形成适应度并繁殖高适应度网络。两者可作为围棋与平台游戏代理改进方式的并列案例。
沿同一来源继续阅读
用 AlphaGo 看见机器学习定义中的任务与经验 →Stanford 课程用任务、经验和性能指标描述学习问题；AlphaGo 的纪录片呈现棋谱模仿、自我对弈和从失误中学习。后者让抽象定义落到清楚的任务与经验来源上，也展示经验并非只能来自人工标注。试错可以发现不在示范答案里的策略 →一例是围棋自我对弈，另一例讨论语言模型解题。探索有效仍依赖能提供区分度的反馈。从神经网络结构走到可演化的网络拓扑 →But what is a neural network? 解释层间激活如何传递，并把整个网络描述为输入到输出的函数；MarI/O 展示 NEAT 从基础网络开始，通过适应度筛选和演化连接结构来学习游戏操作。前者提供网络的计算视角，后者给出网络结构如何在特定任务中演化的实例。
对照原文
through self-playing, reinforcement learning, it plays against different versions of itselfOnly the neural networks that produce the highest fitness are selected两者采用不同训练机制和任务指标；这组片段只支持并列比较，不证明某种反馈方式更有效或泛化更好。