強化學習(Reinforcement Learning)容易應用在遊戲，而較難應用在真實世界的主要原因，下列何者正確？

強化學習需要大量試錯(Trial & Error)，遊戲環境可以被完整數位化並無限重置模擬；真實世界物理環境變數無窮、代價高昂且不可逆，無法建立完整模擬環境，是最根本瓶頸。