近日，来自斯坦福大学，DeepMind，博世人工智能中心，谷歌研究所以及 LMU Munich 的研究团队发表了一篇名为「将机器语言模型扩展为人类水平的语言理解」的新研究。研究回顾了机器语言处理方面的最新突破，并考虑了尚待实现的目标。近段时间以来的研究方法依赖于人工神经网络中捕获的学习和表征的领域一般原理。但是，当前大多数模型都过于关注语言本身。在人类世界中，语言是用于获取，表示和交流物理和社交世界中的对象和情况的大型系统的一部分，并且未来的机器语言模型应该模仿这种系统。研究人员描述了将语言链接到具体情况的现有机器模型，并指向扩展以解决更抽象的情况。人类语言处理利用互补的学习系统，包括像机器系统一样逐渐学习的类似于深度神经网络的学习系统，以及支持快速学习新信息的快速学习系统。将这种系统添加到机器语言模型中将是朝着真正的类似于人类的语言理解迈出的重要的一步。