在孟芊和其他博士生崇拜的眼神中，王浩离开了计算机实验室，他是以‘还有工作要忙’为借口离开的，因为感觉再不离开就要‘露馅’了。</p>
对人工智能方向的内容，他确实了解的很少。</p>
即便是人工智能相关的算法，包括神经网络、深度学习等领域，也没有真正深入去了解过。</p>
刚才就只是结合教学反馈的内容以及自己对算法的理解，说一些可能的研发方向而已。</p>
当然了，对找不到研发方向的博士生来说还是有帮助的。</p>
在简化‘表示学习’的研究领域，最好的办法就是从构造上入手，因为真正涉及的知识内容比较多，只把握大方向远远不够，还需要非常耐心的研究。</p>
王浩出了实验楼以后，发现自己的收获不小。</p>
【任务二】</p>
【研究项目名称：新型梅森素数检验算法（难度：a）。】</p>
【灵感值：14点。】</p>
‘任务二’的灵感值比之前提升了11点，增长的幅度是相当大的。</p>
“这就是相关性了。刚才在计算机实验室，讲的是表示学习的算法、研究方向，梅森素数的检验算法也同样是算法研发。”</p>
“方向上是一致的，肯定还有其他的相关之处，带来的提升就比较大。”</p>
“其中知识的提升多一些，灵感方向还是少一些……”</p>
“还是缺乏知识基础啊！”</p>
虽然教学的馈赠也能帮助增长知识，但毕竟只是一瞬间的反馈，而不是系统性的内容，带来的知识并不全面，受限于研究的方向以及年龄，他还是感觉知识量有所不足。</p>
“看来想完成这个研究，还是要多看相关的内容。有关‘质数分布’的研究也是一样，了解的还是太少了。”</p>
王浩知道了自己薄弱之处，他也知道该怎么去做。</p>
当天他就到理学院的图书馆借阅了几本解析数论相关的专业书籍，然后下载了几篇有关解析数论成果的论文，其中还包括一篇一百多页的论文，是安德鲁-怀尔斯对于费马猜想的证明。</p>