因為論文都是經(jīng)過華科大的教授翻譯，并詳細批注過的，所以江棲野都能看懂并理解。
　　這一段時間，江棲野又陷入如饑似渴的學習階段，上午刷書，下午刷論文，晚上再刷數(shù)學。
　　他真的感覺自己受益匪淺，從張江科學城獲得的的信息學等級，也漸漸的真正變成了他自己的知識，畢竟沒有根基的高樓是不會長久存在的。
　　放下最后一篇論文，江棲野嘆了一口氣，這幾天他真的覺得這些論文撰寫者的智慧簡直嘆為觀止。
　　幾乎每一份論文，就是一種全新的算法，一種人工智能的方向。
　　他看著書桌上，一堆已經(jīng)被翻得卷皮的論文，江棲野決定，先吃飯！
　　吃完飯后，先給自己泡了杯速溶咖啡，他從今天開始要修仙了。
　　打開電腦。
　　半個小時過去了，江棲野竟然一時間不知道該從何處開始。
　　想讓人工智能對算法設定之外的東西進行反應，首先擺在江棲野面前的就是兩個難題。
　　第一個要解決的問題就是做出什么樣的反應，依據(jù)什么來反應。
　　當人工智能接收到外界的信號時，如果該信號在算法設定之內(nèi)，他只能依據(jù)設定做出回應。
　　舉個栗子。
　　對于一個普通的智能機器人而言，他走在商場里，遇見一個迎面走來的人，會因為算法內(nèi)提前設計好的程序進行自動避讓。但是如果是一個人突然倒在他的面前，他還是會根據(jù)設定而進行避讓，并不會產(chǎn)生扶或者不扶的動作，對他而言，那個倒地的人就是一個需要讓開的障礙物。
　　第二個就是儲存和再設定問題，當人工智能針對某樣設定內(nèi)沒有的信號，做出反應之后，他能將該反應進行存儲，并在下次遇見該信號時做出同樣的反應。
　　只要能解決這兩個難題，這個的算法也就不難了。
　　問題出來了，就只剩下解題了。
　　解題的第一步建模。
　　建模就是將現(xiàn)實的問題變成數(shù)學問題，用一個個數(shù)學公式和代碼來表示遇到不同情況時做出的不同反應。
　　對難題江棲野想了兩個解決方案。
　　首先就是設計一個底層優(yōu)先的算法，讓人工智能每遇到一次新的信號，模擬旁邊其他人的反應。
　　比如說，當人工智能機器人遇到在商場里忽然遇到一個人倒地。
　　這個倒地信號在設定的算法內(nèi)沒有，他就開始模擬商場周圍多數(shù)人相同的動作，來做出自己的反應。
　　這個方向江棲野只是想了一下就放棄了，因為并不能保證人工智能接收到信號的時候，旁邊的是否存在其他的人，同樣也不能確定人工智能接收信號的時候，旁邊的人會有反應。
　　所以，此路不通。
　　重新想。
　　江棲野直接在算法中添加了一個搜索引擎，通過建立數(shù)據(jù)庫，來對接收到算法設定之外的信號做出相應的回應，而且這樣還可以通過不斷地擴充數(shù)據(jù)庫，來使得人工智能不斷的成長。
　　數(shù)據(jù)庫的建立簡直是一舉兩得，一下子將兩個難題同時解決了。