人们每天用电脑手机。这些机器需要理解人的话。它们需要明白人的意思。我们说的话叫自然语言。机器处理的语言不一样。机器语言很严格很规矩。自然语言很灵活很多变。一个人说“我饿了”。另一个人说“我想吃东西”。意思差不多但话不一样。机器怎么知道这两句话一样呢？

这就要研究语言的意思。我们研究怎么让机器懂人的话。重点不是话的字面样子。重点是话里面的意思。比如“苹果”这个词。可以指一种水果。可以指一个手机牌子。人很容易分清。机器很难。我们教机器分辨。

我们设计了一些方法。这些方法帮机器抓住核心意思。我们把话变成数字。数字能计算。我们计算话和话的相似程度。两句话意思近数字就近。两句话意思远数字就远。机器通过数字比较理解意思。

我们整理了很多对话。这些对话来自日常聊天。来自新闻文章。来自各种地方。我们给机器看这些例子。机器从例子里学习。它学习“热”和“温暖”有关联。它学习“买”和“购买”差不多。它学习“但是”表示转折。它学习“因为”表示原因。

光看词不够。词连成句子意思更复杂。“我没说他偷钱”这句话。重音位置不同意思就不同。重音在“我”意思是别人说的。重音在“没”意思是这件事是假的。重音在“他”意思是偷钱的是别人。机器需要理解这种微妙之处。

我们让机器看整个句子。看句子里的词怎么排列。看词的顺序。顺序很重要。“猫追老鼠”和“老鼠追猫”完全不同。机器注意词的顺序。它注意哪个词是动作发出者。哪个词是动作接受者。它注意时间和地点词。它注意形容和修饰的词。

我们还让机器看上下文。一句话单独看是一个意思。放在一段话里可能是另一个意思。“他做得真不错”可能夸人可能讽刺。看前面的话才知道。机器不能只看一句。它要看前面几句后面几句。它要联系整个环境理解。

我们做的研究就像教小孩。小孩听大人说话慢慢学会。我们给机器很多话让它学。我们告诉机器一些规则。但主要靠机器自己发现规律。机器发现“天气好”和“阳光明媚”常常一起出现。机器发现“生病”常常和“医院”“吃药”一起出现。机器通过一起出现的词学习意思。

这个研究很有用。你问手机“明天会下雨吗”。手机理解“明天”“下雨”“吗”是关键。它知道你在问天气。它去找天气信息回答你。你写邮件打字时软件推荐下一个词。它猜你想说什么。它根据你已经打的词猜。它学了很多人怎么写邮件。

购物网站用这个技术。你搜索“夏天穿的薄裤子”。网站知道“薄”很重要。它知道“夏天”很重要。它不给你展示厚裤子。它不给你展示冬天裤子。它理解你的需求。

这个研究还能帮助翻译。把中文变成英文。把英文变成中文。不是简单换词。要换意思。“雨后春笋”直接换词英文不懂。要换成英文里类似的说法。机器理解这句中文的意思。它用英文表达相同的意思。

我们也研究怎么让机器回答问题。你问“泰山有多高”。机器在文章里找。它找到“泰山海拔1545米”。它知道“海拔”就是高度。它把“1545米”拿出来回答你。它理解“多高”就是在问数字。

机器也学习分辨对错。它学习事实知识。它知道太阳从东边升起。它知道水零度会结冰。它从看的文章里学到这些。当有人说“太阳从西边出来”机器知道不对。

我们的研究让机器更懂人。让人和机器说话更轻松。你不用学复杂的命令。你用平常的话就行。机器努力理解你。它可能不完全懂。但它一直在进步。它处理的话越来越多。它犯的错误越来越少。

这个研究用到很多数学。但目标很简单。就是搭一座桥。桥的一边是人的语言。桥的另一边是机器的世界。我们修这座桥。让两边可以来往。让人和机器能沟通。让机器真正帮到人。