今日中午，我和朋友去了一間日本餐廳。看着餐牌上琳琅滿目的菜色，我一邊想吃吉列豬排定食，一邊又想吃三文魚刺身飯。過了一段時間後，我依然無法做出決定，心知我的選擇困難症又開始發作了。經過一番糾結，我最終選擇了三文魚刺身飯。午飯後，我和朋友各自回家。當我準備離開時，又開始糾結：是走路回家好，還是搭巴士？要不要在回家途中買點小吃當下午茶？我又陷入了選擇的困境中，心想：如果有機器能替我做出最佳選擇就好了。

說到這裏，讓我想起了兩款著名的人工智能系統DeepBlue 和AlphaGo。DeepBlue 是IBM開發的超級計算機，專門用於國際象棋對弈，並在一九九七年擊敗了國際象棋世界冠軍。AlphaGo則是由DeepMind 開發的人工智能程序，專門用於圍棋對弈，並於二零一六年擊敗了圍棋世界冠軍。它們的核心技術之一，正是強化學習。

強化學習有四個主要要素，分別是環境即AI當前所處的世界或場景；動作即AI針對目前環境採取的行為；獎勵即AI執行動作後，環境給出的反饋，獎勵可以是正數（鼓勵）或負數（懲罰）；以及下一個環境即AI執行動作後，環境發生的變化。以DeepBlue和AlphaGo為例，它們會根據當前的棋局，計算出棋子應該下在哪一個位置才能獲得最大的優勢。對它們來說，棋局就是它們身處的環境，下棋的位置就是動作，棋子放下後形成的新棋局就是下一個環境，而新棋局對勝率的影響就是獎勵。通過不斷嘗試和學習，它們懂得如何下棋才能最大化獎勵，從而贏得比賽。

我們一生中也在不斷做出各種大大小小的選擇。大的選擇可能關乎人生未來，小的選擇可能只是用右手還是左手去撿起掉在地上的鉛筆。有人甚至說，人類純粹就是一部「決策機器」（decision making machine）。因此，一個人的成功與失敗，或許就取決於他是否是一部優秀的決策機器罷了。◇