ニューラルネットワークの「重みの更新」に勾配（一次微分）だけでなく、情報の幾何学的な「メトリック」である「フィッシャー情報行列」を用いる最適化手法はどれか。

強化学習において；エージェントが「環境からの報酬」が全く得られない間も、「世界がどう変化するか」という予測誤差を「驚き」として報酬にする手法はどれか。