江铭的演示还在继续。
前面的概念只能算是开胃小菜，后面的部分公式推导越来越多，式子也越来越长。
“智能体前后两次试错中，目标函数的差值，可以称为策略梯度。”
“在自适应巡航这个问题中，目标函数即通过拉格朗日乘子法将车速、稳定性、舒适度等多个目标统一成的单个函数。”
随着江铭讲解逐渐深入，学员们的目光都变得清澈了起来。
林欣然更加震惊异常。
“这...这是我们组的方案？”，她小声嘀咕道。
这和昨天的方案完全不一样啊。
师弟怕不是昨天晚上回去睡觉的早，在梦里穿越到异世界学了什么不得了的知识吧！
...
直播弹幕已经炸了。
“卧槽？卧槽！卧槽！！！”
“这都是什么？我怎么听了半天一点没听懂？”
“楼上一定是走神了，就像是老师上一秒还在讲1+1，走了个神回来就是微积分了。”
“江老师，请收我为徒！”
“我已经拜入信息神教了，从今往后，一切问题都用神经网络来解决。长夜将至，我从今开始守望，至死方休...”
“试错、探索与利用...我悟了！大道至简，我们人类只有从错误中吸取教训才会走得更远。”
“那天你和警察就是这么说的？”