语言理解非常困难，因为语言具有极高的信息量，要理解一句话需要大量基础知识和常识经验。例如，下面一句话“马拉多纳利用空气动力学原理踢出了香蕉球”。

要理解这句话，首先要知道“马拉多纳”是个球星的名字，香蕉球是一种弧形的球，“空气动力学”是一门关于空气运动的学问，然后再把这些概念串起来，才能理解这句话的意思。

同时，语言又非常复杂，一件事情有多种说法，同一串符号又可能表示不同的意思，新的词汇不断产生，不同语言之间互相渗透，要理解这样一个复杂的符号系统，确实非常困难。

尽管如此，研究者们还是迎难而上了，人们首先想到的是拆分法，对句子进行结构分析，判断出主谓宾等成分，并判断成分之间的关系，例如，阿拉多纳利用空气动力学原理踢出了香蕉球，“马拉多纳”为主语，“踢出”为谓语，“香蕉球”为宾语，“利用空气动力学原理”是状语，对于简单的句子，这种结构分析法就可以了。但对复杂的句子，这种方法还是非常吃力的。

近年来，基于深度学习的方法取得长足的进步，这一方法的基本概念是“语义嵌入”即将一个词表达为高纬度空间中的一个向量，是的语义相似的词，在这个空间中彼此接近，而不相关的词彼此远离。

有了词的语义表示，一句话的语义也可以计算出来，例如，我们可以把一句话中所有词作为输入，加工处理为一个向量。这一方法有很多应用，比如自动问答系统，自动回帖系统，效果都非常不错，有时连人都难以分辨真假，图灵当初对智能机器的设想正在一步步成为现实。