这个的代码最初只有大约六千多行，设计地知识也不是很复杂，所以几天之后，就有人已经将源代码研究透彻，掌握了其中的关键算法，许毅随即将他们提为版主，让他们帮助自己回答新人的一些问题。另外，u代码编写小组也建立起来，经过许毅亲自把关，将真正有心、有潜力的成员吸收为小组成员，并且将后续的编写工作渐渐交到他们手中，直到最后他将这方面的工作全部移交完毕，让这个项目进入一种良性循环的独立运转状态，就算没有他的参与，他们也能健康而顺利地将这个项目进行下去。
※※※※※※※※※※※※※
终于可以松口气了，许毅欣慰地看着这个项目朝着预定的目标发展着，大感满意。心想看来名气大有时候也是一件好事，可以做到很多别人做不到的事情。
接下来，许毅终于又可以把精力放在人工智能的研究上来了。他最近决定自己的这套理论命名为“类人智能”，以此来区别现在国际上流行的“人工智能。”
什么是人工智能？或者说现在的人工智能是怎么定义的？在这个概念上，研究人工智能的人各有自己的理解，他们都用自己的方法为它定义，但是这些定义都有着一个相同的特点——他们的人工智能把目标定位于做出一个和人类智能有点像的东西，而不是完全模拟。也就是说，通常的研究只是部分地对人类的智能进行研究。
最早出现的人工智能是逻辑推理系统，它证明了著名的四色定理，这的原理就是把数理逻辑推理过程看成是思维方式，编程运行，以此作为人工智能。但数理逻辑推理仅仅是人类思维逻辑中形式逻辑的一种形式，只是人类智能的很小的一个组成部分。后来专家系统兴起了，以数理逻辑为基础，加入专家们的某些专业经验便成了专家系统。然后经验也只是人类作为判断依据的一种形式。再后来，人工神经网络大行其道，它的奇特之处在于，人们并不能确切的知道在解决问题过程中，神经网络是如何干的？但是问题确实就解决了。这与逻辑推理系统，系统的运行全靠人编程序的控制大大不同。但是认真地分析人工神经网络，它既不能实现人脑海量神经元的网络的模拟，又不能使这个网络产生分析、归纳、抽象这类能力。它所津津乐道的不过是一个分类。因此它也只是搞了一点像智能的东西而已。
以后的计算机学习理论、自然语言理解......等等等等，研究的东西都只是人类智能的一部分，而不是整体。这样，问题就来了，我们仅仅研究人类智能的某一小部分功能，能够实现像人类智能一样的智能吗？许毅对此深表怀疑。从局部研究这些工智能确实能够为人类做出贡献，制造出更方便的工具为人类服务，但是要想凭借这些理论来创造出和人类一样或者相似的智能来，或许本身就是一个错误。这是定位的错误大家研究的起点就错了。
经过这么长时间的思考，许毅的理论焦点已经集中到这个问题上了，所以为了将自己的理论和传统的人工智能区别开来，他将其命名为“类人智能”，意为和人类智能非常相近的人工智能，而不是传统的那些和人类智能有点像的智能。
在这点上，elin和许毅有了不同的见解，她认为许毅的定位有些高了，“模拟人类的一切智能简直不可能！”。她劝诫许毅，研究问题规律都是从简单到复杂，只有将最简单的东西弄明白了，才能够理解更复杂的东西。
而许毅则告知她说：“我并没有违背这个规律，你还没有理解我的意思。我怀疑的是大家研究的起点错误，定位已经错了还能指望后面能得出正确的结果吗？我们应该首先认清楚这件事的本质，找准起点，然后以此为基础，去寻找这个层次中的最简单的问题，然后解决它......”
elin回信：“你有些好高骛远了....你怎么能肯定自己的研究模拟的就一定会是全部的人类智能？”
许毅则回道：“你中毒太深，传统理论的影响已经深入到你的骨子里了....我只是提出这样一个假设，并且沿着这个假设一直思考下去.....给自己一个这样的前提，然后以此为标准去思考解决的方法，并不是没有可能........”
