我是这个 AI/机器学习的新手，并且正在玩一些 OpenAI Gym。在查看环境时，我遇到了Blackjack-v0环境，这是游戏的基本实现，其中状态是玩家和庄家的手数以及玩家是否有可用的 A。这些动作只会被击中或站立，如果玩家获胜，可能的奖励为 1，如果玩家失败，则为 -1，如果是平局，则为 0。

所以，这让我开始思考这个游戏的更真实的环境/模型会是什么样子，考虑到当前的平衡和其他因素，并且有多种动作，比如下注 1-10 欧元和击中或站立。

这让我想到了我的实际问题：

• 据我了解，在神经网络中（我猜我还不是很好）输入将是状态，输出是可能的动作以及网络认为它们有多好/将会有多好。但是现在有两个不同的动作空间，适用于不同的游戏状态（下注或玩），所以有些动作是没有用的。处理这种情况的正确方法是什么？

我猜一个答案是如果网络猜测到一个无用的动作，则给予某种负奖励，但在这种情况下，我认为奖励应该是实际赌注（负奖励）和实际获胜（如果有的话）。因此，这将导致游戏如何进行的一些偏差，因为它应该以一定数量的余额开始，如果余额为 0 或在指定数量的回合之后结束。

我想，限制时间步长也不是一种选择，因为它应该限制在回合中，因此，例如，它不会在下注步骤之后结束。

因此，对于一个无用的步骤，奖励将为 0，状态将保持不变，但是对于神经网络，它采取多少无用的步骤并不重要，因为它对实际结果没有任何影响。

推论问题：

• 应该分成两个神经网络吗？一个用来投注，一个用来玩？