目的のために何らかの手段を取る、というのは人間の思考の基本的な要素だが、強化学習の枠組みでこれを説明するのは難しい。
皮質に状況がコードされ、線条体に行動がコードされる場合、目的の到来を予期する状況が外部から与えられれば、それに応じた行動を取ることはできるのだが、「主体的な」行動の発現は説明できない。
先を読んで動くためには、手がかり刺激→報酬という思考の流れだけでなく、報酬→手がかり刺激（をもたらす行動）という流れが必要になる。
強迫観念も、目的（固執の対象）→行動という流れがあってこそ生じるものだと思う。
