據了解，科研人員設計出一個應用，讓人工神經網絡在此平臺上進行標準的填字游戲問答。研究發現，該系統能夠明白簡單的短語、隱喻等抽象性表達，取得的成績比市面上任何為填字游戲設計的軟件都要好。而且，該系統的表現儼然一部“逆序詞典”（把最后一個字相同的詞語排列在一起，按照詞語末位字的順序來排列），能夠根據給出的概念描述回答出特定意義的詞語。

研究過程中，科研人員從六部字典以及維基百科詞條中選取釋義來進行大量的實例訓練，希望能讓系統理解字詞、短語和句子等語義群——將釋義作為字詞和句子之間的橋梁，讓其根據句子理解出字詞。他們的研究成果指出，用類似的方式來進行訓練，或同樣能夠提高那些語言理解和對話系統、信息檢索引擎的信息輸出效率。

劍橋大學計算機實驗室研究員、本次研究的論文作者之一Felix Hill表示，訓練計算機理解自然語言最大的挑戰是，為計算機重建人類學習說話和閱讀時接受到的豐富多樣的信息源。

這建立數據庫的事情其實聽起來似乎也不是很難，難就難在，比如說，當系統遇到疑問或者數據庫沒有的信息時它就沒轍了。人類可以依靠生活經驗中獲得的背景知識來推理，甚至是借助肢體語言等來輔助理解，但機器不能。

Hill認為，近來人工智能系統在深度學習上取得的進展可以概括為行為主義和認知主義。所謂行為主義，顧名思義，關注行為表現而忽略大腦和神經的作用；認知主義則著眼于構成行為的心理過程。像Hill他們搭建的這個深度學習系統就是一個認知學的反映。但是，對于一個以無限接近人類智力為目標的系統來說，必須具備兩中方法論實踐。