不过，我们可以因此认为，这些人工智能已经真正理解了语言吗？实际上，这还真是个难题。毕竟，所谓的理解究竟是指什么呢？就像羽生先生所举的中文房间这个例子一样，要客观地评价理解与否，是非常困难的一件事。
在以考入东京大学为目标，开发人工智能的“东萝卜君”计划中，人们对人工智能的理解能力，是以高考为基准进行评估的。
令该项目组头疼的也是理解该如何定义的问题。如果说我们人类将互相明白对方的意思的情况称为理解，那么这个理解是很难客观说明的。而这种含糊不清的情况对于项目组来说可是个大麻烦。
在采访项目组组长新井纪子的时候，她曾聊到，如何用数学的方法来表达“整合和理解对方的意图”这件事，是特别困难的。这给我留下了很深的印象。
比方说，我们看到一幅球从坡上滚下来的图。画在坡中间部分的球与滚下坡之后的球是同一个球，于是我们或是通过问题的主旨来推测，或是参考自己以往的经验，马上就能理解这张图是把不同时间点的球的不同位置合成在了一起。
然而，人工智能就不是这样分析的了。为了让人工智能能够思考这幅图的目的是什么，要如何判断，就要先用数学来描述这幅图才行。我们习以为常的理解，实际上是一种具有高难度的行为。
我们自己每天都在通过文字或对话来理解对方的意图。我们之所以认为自己已经理解对方，应该是认为互相之间已经“条清理顺，意见一致”了。可是，我们究竟凭什么说双方已经达成真正的理解了呢？从现状来看，理解是很难用道理来说明的。
今后，随着我们自身“对理解的理解”逐步加深，人工智能在通用性方面也许就可以更上一层楼了。
