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。
对人工智能方向的内容，他确实了解的很少。
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。
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。
当然了，对找不到研发方向的博士生来说还是有帮助的。
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。
王浩出了实验楼以后，发现自己的收获不小。
【任务二】
【研究项目名称：新型梅森素数检验算法（难度：A）。】
【灵感值：14点。】
‘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。
“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。”
“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。”
“其中知识的提升多一些，灵感方向还是少一些……”
“还是缺乏知识基础啊！”
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。
“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。”
王浩知道了自己薄弱之处，他也知道该怎么去做。
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。
这一篇论文在学术界非常有争议，有很多数学家并不相信怀尔斯的证明，最主要就是因为证明的复杂性，同时也因为证明中使用了受争议的数学定理和方法。
不过对王浩来说并不存在问题，他不需要去验证论文是否正确，只是看看复杂论文的内容，了解一下其他人在相关领域的研究、解析方式。
这对于研究来说非常有参考价值。
王浩开始了啃书之旅。
接下来将近半个月时间里，他大部分时间都在啃书，不是在看专业的书籍，就是在看专业的论文，持续半个月，对于专业知识内容的恶补，再加上偶尔教学带来灵感值，也带来了研发相关的提升。