理論上,NLP是一種很吸引人的人機互動方式。早期的語言處理系統如SHRDLU,當它們處於一個有限的「積木世界」,運用有限的詞彙表對談時,工作得相當好。這使得研究員們對此系統相當樂觀,然而,當把這個系統拓展到充滿了現實世界的含糊與不確定性的環境中時,他們很快喪失了信心。
由於理解(understanding)自然語言,需要關於外在世界的廣泛知識以及運用操作這些知識的能力,自然語言認知,同時也被視為一個人工智慧完備(AI-complete)的問題。同時,在自然語言處理中,「理解」的定義也變成一個主要的問題。
我覺得語言理解需要外界知識與推理,是AI的一個難題。從有限的領域開始,去逐步擴充知識範圍與理解能力,再利用知識圖譜補充外部知識,減少對完整先驗知識依賴,來允許一定程度模糊理解。結合多模態輸入提供上下文。機器學習得以獲得淺層理解,ˇ但語言理解仍是挑戰,需從多角度探索。