出一些训练数据中未曾显式包含的行为模式——比如在遇到不确定的障碍时，它会主动放慢速度，先用传感器进行详细扫描，然后再做出决策；在需要协作的场景中，多台机器人之间能够通过简单的光信号进行基础的协调，避免相互干扰。
“它在学习如何学习。”赵寒在一次技术复盘会上说，“这是类脑网络与传统深度学习模型最本质的区别。传统模型是在学习输入到输出的映射关系，而类脑网络在学习的是如何根据环境变化调整自身的认知策略。前者是学会解题，后者是学会如何解题。”
“如果把这个能力应用到智能战斗单元上呢？”陆迪峰问。
赵寒沉默了几秒，然后说：“那将意味着，每一台战斗单元在下线时只是一个‘婴儿’。它需要在真实的战场环境中快速学习和适应，积累经验，成长为一名‘老兵’。而且，不同战斗单元之间可以通过数据共享，将个体经验转化为群体智慧。”
“那就朝这个方向推进。”陆迪峰说，“等军方那批退役平台的改造完成后，我们可以在更复杂的场景中进行测试。同时，源点智能实验室要开始设计基于液态金属和紫色晶体的下一代智能战斗单元原型机。它的身体要更强壮，响应要更迅速，而且要具备在无外部通讯支持的情况下独立完成长时间任务的能力。”
“明白。”与会者齐声应道。
会议结束后，陆迪峰走出指挥中心，站在夜色中。矿区的灯火在群山环抱中连成一片温暖的光带，而那三台经过改造的退役侦察机器人，正静静地停放在远处的充电站旁，银灰色的机身在月光下泛着柔和的光泽。它们的类脑网络正在休眠中整理着白天积累的数据，为明天的训练做着准备。
每一天，它们都在变得更聪明一些。而这份聪明，终将从它们身上，传递到下一代智能战斗单元的原型机中。