切换需要重新学习。

另外，请注意：

我们在所有七款游戏中使用相同的网络架构、学习算法和超参数设置，表明我们的方法足够强大，可以在不包含特定游戏信息的情况下处理各种游戏。虽然我们在真实且未修改的游戏上评估了我们的代理，但我们仅在训练期间对游戏的奖励结构进行了一项更改。

和

在我们尝试的七场比赛中，该网络在六场比赛中的表现都超过了之前所有的强化学习算法，并且在其中三场比赛中超过了专家级的人类玩家。

切换需要重新学习，网络没有一套权重可以让它很好地玩所有游戏。这是由于灾难性的遗忘问题。

然而，最近的工作已经完成以克服这个问题克服神经网络中的灾难性遗忘，2016 年，James Kirkpatrick 等人。