2020 年 8 月 7 日，由中国计算机学会 CCF 主办，雷锋网和香港中文大学（深圳）联合承办，鹏城实验室和深圳市人工智能与机器人研究院协办的 CCF-GAIR 2020 全球人工智能与机器人峰会，在深圳开幕。多位学界业界大咖登临 AI 前沿专场和纪念 Thomas S. Huang 圆桌论坛，奉献一场思想的盛宴。北京语言大学荀恩东教授从语义理解角度出发，为我们带来精彩的学术报告。
    荀恩东教授先后在微软亚洲研究院，香港科技大学工作，研究领域为自然语言处理；他的主要研究内容为汉语语义计算和语言资源建设，主持开发的 BCC 语料库，是国内外最大的在线语料库，为语言研究和开发的首选语料库。他提出了用于汉语语义分析的意合图理论和构建方法，带领团队揭榜工信部人工智能重大攻关任务，在多个领域开展汉语语义理解落地应用工作。
    在大会上，荀恩东教授带来了非常精彩的大会报告，报告主题为《语言智能核心问题——语义理解》。
荀恩东教授表示，语音智能之所以那么难，是自然语言的特点决定的，毕竟自然语言的歧义无处不在；其中歧义包括语义、词法、语法、语意、语用等方面的内容，而且还涉及到语言多样性，并且面临着知识瓶颈。
    基于这个毕竟，荀恩东教授提到了语言智能的四类应用，分别是分类、生成、抽取，校对。他表示，语义理解是语言智能的主要任务，这涉及到理解的目标、途径和主要的模型。
他表示：实际上，在处理语言时，所谓的理解就是确定了概念与语言单元的映射，以及知道承载概念单元的语言属性，并且知晓了不同语言单元之间的关系。语言单元在不同的场景里面有不同的表现，有的可能就是简单的词和词之间的关系，词的属性，有的可能是涉及到句子和句子之间的关系，段落和段落等。
    荀恩东教授还表示，语言关系在数学上可以表现为序列的关系、几何关系、数的形态和图的形态，复杂的问题是这些形态的组合；所以做语言理解实际上就是把自然语言做结构化，这种结构化是计算机可操作的一个结构化的方案，这种结构化的方案很容易对接落地的需求。