学业压力接踵而至。大三下学期，专业课程难度陡增，实验和项目接二连三。电子工程的专业课本就繁重，韩澈还选修了更多计算机和人工智能相关的课程，试图系统性地补足知识短板。那些曾经在课题中一知半解、靠着苏晚和王睿“翻译”才能理解的概念，如今需要他独自啃下厚重的教材，完成复杂的编程作业，推导令人头疼的公式。
深夜的图书馆，成了他另一个“主场”。常常是训练后的疲惫还未完全消退，就不得不强打精神，摊开《模式识别》、《机器学习》的课本，或是面对屏幕上闪烁的代码和令人崩溃的bug。有时，他会想起苏晚。想起她面对复杂问题时那种举重若轻的冷静，想起她推导公式时流畅的笔迹，想起她三言两语就能点破自己困惑所在的犀利。那时的她是触手可及的援手，而现在，他必须独自面对这些知识的峭壁。
这个过程痛苦而缓慢。有无数次，他对着一个无法收敛的模型参数，或是一道难以理解的证明题，感到深深的挫败和自我怀疑。他问自己，花费如此多的时间和精力，去追逐一个自己可能永远无法达到顶尖水平的领域，是否值得？是否只是对那次偶然成功的不舍，或是对某个远去身影的盲目追随？
但每当这种怀疑浮现，他又会想起那个课题，想起将篮球直觉转化为代码和模型时的兴奋，想起模型“理解”战术时的奇妙感觉，想起MIT梅塔教授那封邮件里提到的、对“领域专家视角”的欣赏。篮球是他的热爱，是他生命中不可分割的一部分。而AI，或许是另一种理解他所热爱之事、甚至在未来重塑它的语言和工具。这二者，未必非此即彼。
他不再急于求成。开始像在球场上练习基本功一样，耐着性子，一点一点地啃着那些晦涩的理论。看不懂就多看几遍，推导不出来就反复尝试，代码跑不通就逐行调试。他主动去请教秦教授和其他相关课程的老师，尽管有时问题显得稚嫩。他也开始有意识地阅读体育科学、运动生物力学、甚至认知心理学方面的文献，试图从更广阔的视角理解“运动智能”。
那个曾用于课题合作的云端GPU账户，他续费了。在完成课业之余，他会尝试复现一些经典的强化学习或图神经网络模型，甚至试着在之前他们工作的基础上，加入一些自己新的、粗浅的想法——比如，如何将球员的体能状态、实时心率（如果有数据的话）等更多元的信息融入态势评估。结果往往不尽如人意，模型性能提升微乎其微，甚至倒退。但他并不气馁，将这些尝试视为必要的“试错”，是理解模型运作机理
…。。