因?yàn)檎撐亩际墙?jīng)過華科大的教授翻譯，并詳細(xì)批注過的，所以江棲野都能看懂并理解。
　　這一段時(shí)間，江棲野又陷入如饑似渴的學(xué)習(xí)階段，上午刷書，下午刷論文，晚上再刷數(shù)學(xué)。
　　他真的感覺自己受益匪淺，從張江科學(xué)城獲得的的信息學(xué)等級(jí)，也漸漸的真正變成了他自己的知識(shí)，畢竟沒有根基的高樓是不會(huì)長(zhǎng)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(jiǎn)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(gè)小時(shí)過去了，江棲野竟然一時(shí)間不知道該從何處開始。
　　想讓人工智能對(duì)算法設(shè)定之外的東西進(jìn)行反應(yīng)，首先擺在江棲野面前的就是兩個(gè)難題。
　　第一個(gè)要解決的問題就是做出什么樣的反應(yīng)，依據(jù)什么來反應(yīng)。
　　當(dāng)人工智能接收到外界的信號(hào)時(shí)，如果該信號(hào)在算法設(shè)定之內(nèi)，他只能依據(jù)設(shè)定做出回應(yīng)。
　　舉個(gè)栗子。
　　對(duì)于一個(gè)普通的智能機(jī)器人而言，他走在商場(chǎng)里，遇見一個(gè)迎面走來的人，會(huì)因?yàn)樗惴▋?nèi)提前設(shè)計(jì)好的程序進(jìn)行自動(dòng)避讓。但是如果是一個(gè)人突然倒在他的面前，他還是會(huì)根據(jù)設(shè)定而進(jìn)行避讓，并不會(huì)產(chǎn)生扶或者不扶的動(dòng)作，對(duì)他而言，那個(gè)倒地的人就是一個(gè)需要讓開的障礙物。
　　第二個(gè)就是儲(chǔ)存和再設(shè)定問題，當(dāng)人工智能針對(duì)某樣設(shè)定內(nèi)沒有的信號(hào)，做出反應(yīng)之后，他能將該反應(yīng)進(jìn)行存儲(chǔ)，并在下次遇見該信號(hào)時(shí)做出同樣的反應(yīng)。
　　只要能解決這兩個(gè)難題，這個(gè)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(shí)的問題變成數(shù)學(xué)問題，用一個(gè)個(gè)數(shù)學(xué)公式和代碼來表示遇到不同情況時(shí)做出的不同反應(yīng)。
　　對(duì)難題江棲野想了兩個(gè)解決方案。
　　首先就是設(shè)計(jì)一個(gè)底層優(yōu)先的算法，讓人工智能每遇到一次新的信號(hào)，模擬旁邊其他人的反應(yīng)。
　　比如說，當(dāng)人工智能機(jī)器人遇到在商場(chǎng)里忽然遇到一個(gè)人倒地。
　　這個(gè)倒地信號(hào)在設(shè)定的算法內(nèi)沒有，他就開始模擬商場(chǎng)周圍多數(shù)人相同的動(dòng)作，來做出自己的反應(yīng)。
　　這個(gè)方向江棲野只是想了一下就放棄了，因?yàn)椴⒉荒鼙ＷC人工智能接收到信號(hào)的時(shí)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(hào)的時(shí)候，旁邊的人會(huì)有反應(yīng)。
　　所以，此路不通。
　　重新想。
　　江棲野直接在算法中添加了一個(gè)搜索引擎，通過建立數(shù)據(jù)庫(kù)，來對(duì)接收到算法設(shè)定之外的信號(hào)做出相應(yīng)的回應(yīng)，而且這樣還可以通過不斷地?cái)U(kuò)充數(shù)據(jù)庫(kù)，來使得人工智能不斷的成長(zhǎng)。
　　數(shù)據(jù)庫(kù)的建立簡(jiǎn)直是一舉兩得，一下子將兩個(gè)難題同時(shí)解決了。