補足

もちろん非探索ベースの学習手法（次手からいきなり最適政策の獲得に動くような）の時間効率と、探索ベースの学習手法（探索を挟んで問題を簡単にした上で学習にかける（またはDPに持ち込む））との時間効率の違いまで同一視するつもりはなくて、速くなったらなったでそれは進歩なんだけど、強さを頭打ちにしている真の原因が速さでないとしたら（やり方がまずいだけで我々がもう十分な速さを獲得しているのだとしたら）、速さに凝っても仕方がない