docs: 简介1.0

source/chapter1.rst

@@ -1,2 +1,37 @@
 第1章 简介
 ===========
+
+当我们思考学习的本质时，我们首先想到的是通过与环境互动来学习。
+当一个婴儿玩耍，挥动手臂或环顾四周时，他没有明确的老师，但他确实通过直接的感觉与环境联系。
+他可以通过这种联系获得大量关于因果关系、行动的结果以及如何实现目标的信息。
+在我们的生活中，这种互动无疑是我们环境和自身知识的主要来源。
+无论我们是学习驾驶汽车还是进行交谈，我们都敏锐地意识到我们的环境如何响应我们的行为，并且我们试图通过我们的行为来影响所发生的事情。
+从互动中学习是几乎所有学习和智能理论的基本思想。
+
+在本书中，我们探索了一种从交互中学习的 *计算* 方法。
+我们主要探索理想化的学习情境并评估各种学习方法的有效性，而不是直接理解人或动物的学习方式 [#学习方式]_ 。也就是说，我们采用人工智能研究员或工程师的观点。
+我们探索在解决科学或经济利益的学习问题方面有效的机器设计，通过数学分析或计算实验评估设计。
+我们探索的方法称为 *强化学习*，更侧重于从交互中进行目标导向的学习，而不是其他机器学习方法。
+
+.. [#学习方式] 第14章和第15章总结了心理学和神经科学的关系。
+
+1.1 强化学习
+------------
+
+1.2 例子
+--------
+
+1.3 强化学习的要素
+------------------
+
+1.4 Limitations and Scope
+--------------------------
+
+1.5 An Extended Example: Tic-Tac-Toe
+--------------------------------------
+
+1.6 Summary
+-----------
+
+1.7 Early History of Reinforcement Learning
+--------------------------------------------

source/partI/index.rst

@@ -1,3 +1,4 @@
+=================================
 第一部分 Tabular Solution Methods
 =================================
 

source/partII/index.rst

@@ -1,3 +1,4 @@
+=====================================
 第二部分 Approximate Solution Methods
 =====================================
 

source/partIII/index.rst

@@ -1,3 +1,4 @@
+========================
 第三部分 Looking Deeper
 ========================