正文
右边这是常用的端到端模型
：
RNN, LSTM, Atention
模型等
强化学习把学习看作试探评价过程，
Agent
选择一个动作用于环境，环境接受该动作后状态发生变化，同时产生一个强化信号
(
奖或惩
)
反馈给
Agent
，
Agent
根据强化信号和环境当前状态再选择下一个动作，选择的原则是使受到正强化
(
奖
)
的概率增大。选择的动作不仅影响立即强化值，而且影响环境下一时刻的状态及最终的强化值。
而智能助理面对的个人方方面面的任务，事件，无法得到那些专业的正样本数据
，
并且每个助理面对客户的情况都是不同的，个体都是独立的，更不可能得到训练所需的样本数据。
二
理想中的智能助理
之前有篇比较火的智能助理文章《为什么智能助理都像智障》，
“人工智能助理：这里指的是Intelligent personal assistant/agent (IPA)
，指帮助个人完成多项任务或多项服务的虚拟助理”
[2],
如何帮助？在文章
[2]
中，提出对话式助理至少满足这几点功能：
”
具备基于上下文的对话能力，具备理解口语中的逻辑，所有能理解的需求，都要有能力履行。
”[2]
能不能像
YY
玄幻小说中的深山偶获老法师灵体，之后在你修行中的方方面面问题中提供指导。比方《斗破苍穹》中的药老 。
三
理想中的智能助理的可行吗？
接下来是本次分享的一个重点内容，也是一个没有答案的探讨内容。
