摘要

从抽象意义上说，所谓”理解”语言，并不是对语言形式的机械识别，而是把表达与语义、语境、意图、推理后果和可能行动联系起来的能力。这既涉及语言内部的意义组织，也涉及语言与世界、语言与使用者、语言与行动之间的关系。也正因为如此，语言理解始终既是自然语言乃至人工智能研究最核心的目标之一，也是最难被直接观察和统一界定的概念之一。

本文把语言理解研究的发展，看作研究者不断为”理解”语言寻找外部证据和研究判据的过程。这种外部证据和研究判据被称为语言理解的”可操作性定义”，这既是在从技术上追求达到理解，也在尝试思考究竟什么是理解，什么才能作为理解的证据。

在这一视角下，早期阶段把理解界定为可观察的类人语言行为；机器翻译阶段则把理解界定为可验证的跨语言转换；这种整体性的理解目标随后被拆解为若干局部能力，并在问答、阅读理解、自然语言推理、情感分析和常识推理等专项任务中得到针对性的验证；进入大模型时代后，用户可以在真实交互中自行判定对话中的理解行为，并进一步将理解的要求提高到在具体任务和环境中达成目标的能力。由此，自然语言理解研究的发展，并不是一个从”不理解”到”理解”的简单跳跃，而更像是理解标准不断提高、理解证据不断增强的逐步发展过程。

另一方面，技术是不能从理解史中剥离出去的核心内容。虽然受到计算、数据等外部条件的制约，但技术探索仍然在限制中不断取得突破，推进自然语言理解和整个人工智能的不断发展和进步。本文并不主要阐述技术发展历史，但在论述理解的可操作性定义发展演变之外，也简要提及每一种理解定义得以成立、扩展或被替换的技术条件，着重于技术发展与理解发展的共同演化关系。

关键词：语言理解；可操作性定义；机器翻译；图灵测试；基准评测；大语言模型；任务完成