Hacker没人给出标准答案，学习信号从哪里来？
从一块没有标签的图像开始，再把问题换成需要连续行动的游戏。两者都没有老师逐题打分，但「找出结构」和「选择动作」要求的信息不同。
本文的问题 · 9
从无监督学习，走到学习图像表示
第一段描述没有给定正确标签时从数据发现结构；第二段提出从图像中学习比原始像素更有用的表示。可把表示学习问题作为理解无监督目标的一条具体路径。
对照原文与时间戳 · 2
I'm not going to tell you what the right answer isfind a better way to represent images than the raw input pixels两段提供问题定义，不证明所有表示学习都无监督，也不比较具体算法的优劣。
都没有老师给答案，学习信号却不同
无监督学习片段要求从未标注数据发现结构；强化学习片段没有监督者指定动作，却明确提供奖励信号。并读可以澄清没有标签不等于没有反馈。
对照原文与时间戳 · 2
I'm not going to tell you what the right answer isthere's no supervisor there's just this reward signal这是两类学习问题的比较，不是互相反驳；现实系统可以组合不同范式。
动作会改变后续局面，不能把连续决策拆成孤立的分类题
概括强化学习中的时间依赖；并非所有任务都有同样长的奖励延迟。
对照原文与时间戳 · 2
the consequence of trashing it may not happen until much laterthe agent is actually influencing the data that it sees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。
对照原文与时间戳 · 2
a computer program is set to learn from an experiencethrough self-playing, reinforcement learning, it plays against different versions of itself纪录片展示的是混合训练过程，不能据此推断所有机器学习任务都采用自我对弈或强化学习。
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。
对照原文与时间戳 · 2
through self-playing,
reinforcement learning, it plays against different versions
of itself many millions of times,we're going to check them and we're going to do more of what worked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。
对照原文与时间戳 · 2
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。
看不见的那块图，究竟要猜回什么？
把一片树叶挡住，要求模型猜回每个像素，和要求它猜一个表示，是两种训练任务。LeCun 用这个差别解释 JEPA：完整观察也经过编码器，预测器去接近的是那份表示。它可以不用追赶每片叶子的偶然抖动；若表示也丢掉任务所需的差异，预测得准并不能补回来。读一个自监督方法时，先圈出误差在哪个空间计算。
原文与时间戳 · 2
you’re only trying to predict an abstract representation of the inputsyou’re not going to have to predict every single pixel of every leaf“无罪”标签把哪两类录像放在一起了？
《反恐精英》的陪审者需要看八轮录像，并在有充分把握时才指认作弊。如果某位高手和某位非常谨慎的作弊者都缺少足够的定罪证据，两者就会得到相同标签。用这些判决训练系统时，一个直接可测的问题是“系统能找到会被陪审者判定的案例吗”。若要进一步问“它找到了所有作弊吗”，还缺一种能发现前述盲区的独立观测。
原文与时间戳 · 2
Only convict them if you believe there is evidence beyond a reasonable doubt.Overwatch doesn't catch subtle cheaters. Because we ask players, like, don't convict if you're not sure不知道明文，怎样判断一次试解有没有进步？
试一个 Enigma 设置后，先别问「整句对了吗」。在候选明文中随机抽两个位置，字母相同的概率会随字母分布而变。演示用这个量给转子设置排序，利用了部分设置正确时也会产生统计偏差这一点。它是一种搜索信号。短信里仅仅碰巧重复几个字母就能改变排名，最终还需要用可读的文本或其他线索核验候选密钥。
原文与时间戳 · 2
the probability that when you pick two letters at random they'll be the samefor short messages where these fitness functions start to break down读完再想一步
改变一次动作而不改变眼前画面，哪些任务的答案仍会受到影响？