————人工智能是否能真正地理解人类语言？
当前的人工智能似乎很容易理解数据，但事实证明，设计对机器是否真正“理解”人类语言的测试很困难。2010年，一项人工智能挑战活动中来自IBM的Watson人工智能获得冠军，随后IBM宣称：“Watson能够理解人类自然语言的所有歧义和复杂性”。在这十年中，社会各界对人工智能一片“唱响”，但是计算机科学家们通过长时间的研究发现我们高兴的还是太早了！
虽然人工智能在这十年中在各行业领域都发挥出了巨大的优势，但是经过十年的发展，人工智能可能要再次面临瓶颈期。科学家在随后寻求“用Watson人工智能彻底改变医学”的过程中就惨遭失败，最近科研人员发现与Watson人工智能在医学上失败一样，人工智能对人类语言的处理能力实际上处于“表层理解”与实际理解人类语言并不相同。
自然语言理解长期以来一直是人工智能研究的主要目标。人工智能发展初期，研究人员试图手动编程机器需要理解人类的新闻故事、小说或人类可能表达的任何内容。但这种方法是徒劳的——不可能写下理解文本所需的所有规则和假设，包括成文的和不成文的。
随着机器神经网络的快速发展，人工智能建立起语言识别的新模式——通过神经网络让机器自己学习理解语言，只需为机器训练大量文本并学习预测单词即可，这就是目前的建立语言模型基本方法。
基于大型神经网络的人工智能，比如OpenAI的GPT-3，这样的模型甚至可以生成不可思议的人类散文和诗歌并且似乎能够执行复杂的语言推理。
虽然GPT-3对来自数千个网站数据、书籍和百科全书的文本进行训练，但是GPT-3是否就正在超越了Watson的“表面理解”模式？GPT-3真的理解它生成的语言所代表的推理吗？目前这是AI研究界存在明显分歧的话题。
此类讨论曾经是哲学家的职权范围，但在过去十年中，人工智能已经从学术泡沫中迸发出来，进入了现实世界，它对现实世界缺乏的了解可能会产生真实的、甚至是毁灭性的后果。
科幻电影—机械公敌海报
在科研人员对IBM的Watson人工智能应用于医疗实践中，发现Watson多次对患者提出极不安全和不正确治疗建议，谷歌的机器翻译系统在为非英语患者翻译医疗说明时也出现过重大错误（事实证明医疗药品的英文说明不能指望机器翻译，因为它可能会让您“吃出毛病”）。
但是我们如何在实践中确定机器是否可以理解？1950年，计算先驱艾伦图灵试图用他著名的“模仿游戏”来回答这个问题，现在称为图灵测试。一台机器和一个人都隐藏在幕后，仅使用对话的方式让对面的测试者判断哪个才是真人。如果测试者无法分辨哪个是人类，那么，我们应该认为机器正在以人类的方式思考——实际上就是理解人类的语言。
不幸的是，不是图灵高了机器，而是高估了人类。例如，1960年代的机器心理治疗师Eliza是一个很简单的聊天机器人，它也会欺骗人们，让人们相信他们正在与正常人类交谈，难以理解的是即使人们知道他们对话的伙伴是一台机器，仍然有很多人相信对面是一个人！