透過大量的隨機試驗與獎勵機制會一步步的把決策函數訓練起來，跟一般的模型訓練相比，一般模型訓練時是需要給定一個標準答案給模型，但在強化學習只需要定義好不好、有多好，剩下讓強化學習算法替我們處理調教模型的事情, 非常適合用在條件複雜且無法說清答案的場景