从根本上说，玩游戏的 AI 必须解决从一组可能的动作中选择最佳动作的问题。

大多数现有的游戏 AI，例如 AlphaGo，通过使用评估函数来做到这一点，该函数将游戏状态映射到实数。实数通常可以解释为获胜概率估计的单调函数。最好的行动是其结果状态产生最高评价的行动。

显然，这种方法可以很好地工作。但这违反了Vladimir Vapnik 的一项要求（在他的《基于经验数据的依赖估计》一书中）：“在解决感兴趣的问题时，不要将更一般的问题作为中间步骤来解决。 ”事实上，他特别指出为了说明这一必要性，

如果您的目标是表现良好，请不要估计预测值。（一个好的行动策略并不一定依赖于好的预测能力。）

事实上，人类国际象棋和围棋专家似乎听从了他的建议，因为他们能够在不使用评估函数的情况下表现出色。

我的问题是：最近是否有任何研究旨在通过学习直接比较决策来解决游戏，而不需要中间评估函数？

以 AlphaGo 为例，这可能意味着训练神经网络将两个（相似）棋盘状态作为输入并输出一个更好的选择（分类问题），而不是采用一个棋盘状态的神经网络作为输入并输出获胜概率（回归问题）。