在人工智能的强化学习算法中有三个核心因素：环境（environment），行动（action），反馈（reward）。
环境一般是常量，起码在一段时间里是不变的，然后就是经过大量的多轮行动，行动的目的是适应环境，获得最优路径，或者最大值，其实这就是模仿人类的活动方式，不论是学习一门新的知识和进行一项新的工作，一般出不了这个套路，当然学习和工作有很多现成的经验可以加以吸收，但这些也是前人在学习工作中总结出来的，也逃不出这个套路！
除去环境这个因素，人能掌控的就是行动了，不断的尝试，就像学编程就要通过写程序来适应电脑编译器这个环境，写作也得通过不断的写来适应文字这个环境，形成自己的风格！在现在这个社会，在做中学习无疑是最现实的，无论是代码还是写作，想适应环境是靠学是不会成就你自己的能力的。如人饮水，冷暖还得自己去体会！
通过行动产生的反馈，指导下一次行动，就要有良好的日志记录和有对行动价值评估能力，在学习中，通过做题考试这个行动很容易得到反馈，对的不用去理会，看错的主要看错的。
在工作中则相反，社会发展飞速，时间是第一稀缺资源，错的不用去理会，看对的也就是最有成效的方法。
在学习中纠结于错误问题的成绩基本差不了，但如果这个习惯带到工作中一般都呵呵了，工作看成效，记住正确的工作方式方法就行了，如果编程发现了一个编译器问题，你和它死磕，老板会很不满意的。这就能解释很多学霸们到了社会工作中会有一段不适应的时期。
写作应该是介乎于两者之间，把文章写出来，发布到网上，获得读者的反馈，浏览量就是最大的反馈，起码看的人多，评论就更应该重视了，好的差的都要自己再评估一下，再做优化！如同强化学习算法一样，大量的写作才有大量的反馈，能力才能提升！
