因为论文都是经过华科大的教授翻译，并详细批注过的，所以江栖野都能看懂并理解。
这一段时间，江栖野又陷入如饥似渴的学习阶段，上午刷书，下午刷论文，晚上再刷数学。
他真的感觉自己受益匪浅，从张江科学城获得的的信息学等级，也渐渐的真正变成了他自己的知识，毕竟没有根基的高楼是不会长久存在的。
放下最后一篇论文，江栖野叹了一口气，这几天他真的觉得这些论文撰写者的智慧简直叹为观止。
几乎每一份论文，就是一种全新的算法，一种人工智能的方向。
他看着书桌上，一堆已经被翻得卷皮的论文，江栖野决定，先吃饭！
吃完饭后，先给自己泡了杯速溶咖啡，他从今天开始要修仙了。
打开电脑。
半个小时过去了，江栖野竟然一时间不知道该从何处开始。
想让人工智能对算法设定之外的东西进行反应，首先摆在江栖野面前的就是两个难题。
第一个要解决的问题就是做出什么样的反应，依据什么来反应。
当人工智能接收到外界的信号时，如果该信号在算法设定之内，他只能依据设定做出回应。
举个栗子。
对于一个普通的智能机器人而言，他走在商场里，遇见一个迎面走来的人，会因为算法内提前设计好的程序进行自动避让。但是如果是一个人突然倒在他的面前，他还是会根据设定而进行避让，并不会产生扶或者不扶的动作，对他而言，那个倒地的人就是一个需要让开的障碍物。
第二个就是储存和再设定问题，当人工智能针对某样设定内没有的信号，做出反应之后，他能将该反应进行存储，并在下次遇见该信号时做出同样的反应。
只要能解决这两个难题，这个的算法也就不难了。
问题出来了，就只剩下解题了。
解题的第一步建模。
建模就是将现实的问题变成数学问题，用一个个数学公式和代码来表示遇到不同情况时做出的不同反应。
对难题江栖野想了两个解决方案。
首先就是设计一个底层优先的算法，让人工智能每遇到一次新的信号，模拟旁边其他人的反应。
比如说，当人工智能机器人遇到在商场里忽然遇到一个人倒地。
这个倒地信号在设定的算法内没有，他就开始模拟商场周围多数人相同的动作，来做出自己的反应。
这个方向江栖野只是想了一下就放弃了，因为并不能保证人工智能接收到信号的时候，旁边的是否存在其他的人，同样也不能确定人工智能接收信号的时候，旁边的人会有反应。
所以，此路不通。
重新想。
江栖野直接在算法中添加了一个搜索引擎，通过建立数据库，来对接收到算法设定之外的信号做出相应的回应，而且这样还可以通过不断地扩充数据库，来使得人工智能不断的成长。
数据库的建立简直是一举两得，一下子将两个难题同时解决了。