La gamme de résolution de problèmes de l'apprentissage par renforcement est plus large que ce que la plupart des gens réalisent. Une fois que vous comprenez ce que le RL peut réellement faire, les priorités changent complètement—l'optimisation de la vitesse et des performances devient non négociable. L'architecture doit répondre aux exigences computationnelles du RL, et non l'inverse. C'est une technologie véritablement transformative. Si vous avez passé du temps à explorer les applications du RL dans différents domaines, vous comprendrez pourquoi cela importe tant. Le potentiel commence tout juste à émerger.