这一刻，方教授有着与陈建斌，王权，刘强他们的感受一样，对周兴的学习能力非常震惊，为回答他那么多‘难题’而饶头，同时，又惊艳于周兴的才学，敏锐的观察力，和他那强大的理解能力。
给他解答问题的时候，周兴一点就通，时不时举一反三，反抛出各种独特的观点，让人耳目一新。
周兴学习在智能领域的基础非常好，学习的内容非常复杂，他的问题，方教授有时要思考很久才能回答得上来，感觉自己的研究领域有了一点点突破，在解答这些问题的同时，这种感觉让他及苦恼又欣喜，有股欲罢不能的体会。
目送妻子出去买菜，方教授招呼周兴道：“坐下吧！我们继续刚才的问题，
“嗯！”周兴点头连忙坐下，认真听讲。
方教授继续刚才被打断的问题，继续讲解起来。“bp网络能学习和存续打开的输入和输出映射关系，…。”
“明白了，是通过方向传播不断调整网络的权值和阈值，是误差平方和达到最小，…，可是这种计算模式有驳与模糊计算策略啊！”周兴眉头一皱，感觉不大对劲地说：
“没错！精准网络计算模式与模糊计算模式的确存在冲突。唉！智能这块领域太复杂了，智能科学技术专业刚开几年，我只是比你研究了久一些而已，知道多一些而已；智能领域除了运用计算机科学之外，还涉及了信息、控制、自动化、仿生、生物、心理、数理逻辑、语言、哲学…，等多门学科；是从心理或神经方面模拟人工智能?还是像鸟类生物学对于航空工程那样研究，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？许多问题都存在很大争议，至今没有一个统一的原理，范式引导可供研究，要有所突破非常艰难啊！”方教授脸上微微一变，有些心力交瘁地叹了口气：
“教授，您不要气馁，没有一撮而就的成果，只要我们一直攀登下去，智能领域终有一天会被我们突破的！”周兴信心十足地安慰道：
听着方教授的感慨，周兴对任务论文的研究方向越发坚定了。
没有定论的智能领域，研究者们越会重视信息收集，关注新理论的诞生，如果他能写出一片质量上乘的论文，那么这个任务百分百的问题。
现在唯一的问题，该从哪个方面进行智能研究呢？
智能领域主流的思想是赋予机器学习能力，思考能力，创造能力，这样才是真正的‘智能’。
“机器学习”基础是“统计学”、“信息论”和“控制论”，包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像人一样进行学习。
然而，怎么赋予机器思考的能力，想象的能力呢，人类在某些情形的“灵感”或“顿悟”，计算机要怎么产生呢！只要存储空间够大，机器可以学习无数知识，但是要从“量”直接变化成“质”，从一个简单“概念”跳转到另一个复杂“概念”。