人間は、純粋に関数の近似によって学習した場合、同じように「一般化」できるでしょうか? 強力なサンプル効率の高い一般化には、*推論*、つまり学習中の明示的な仮説策定とテストが必要です。 推論はスケール化できますが、学習による推論はできないのですか？
従来の深層強化学習（そして一般的なディープラーニング）は、練習による学習です。小さいながらも着実な局所的な改善によって、優れた反射神経が鍛えられます。 多くの場合、間違った抽象レベルで学習が行き詰まってしまいます。私たちは単なる練習ではなく、反省と意図的な実験を通して学びます。