1993年Lecun在贝尔实验室，它旁边的电脑能识别支票上的手写数字
语言学习
Facebook 的新办公地离Lecun教书的地方只有3分钟车程，在这里他和研究人员一道，尝试让神经网络能更好地理解语言。具体做法就是，神经网络来回检索文档，当遇到一个词时，预言该词前后的内容，再和实际情况进行判别。通过这样，软件把每一个词解构成了一组和其他词的关系向量。
例如，在神经网络看来，“国王”和“女王”这组词的向量关系，就和“丈夫”和“妻子”一样。对于一整句话来说，这种方法也可以奏效。一些研究成果表明，使用向量技术的机器在同义、反义词等理解测试上，甚至超过了人类。
而 Lecun的团队还走得更远，他们认为，语言本身其实并不复杂，真正复杂的是对语言要有一个深入的理解，并对其拥有常识般的认知。举个例子，“小明拿着瓶子走出了房间”，这句话隐含的意思就是，瓶子在小明身上。鉴于此，在他们开发的神经网络上搭载有一个记忆网络，用来存储一些它已经学会的事实，每次有新的数据输入时，它也不会被清除。
Facebook的AI研究人员开发出了一套可以回答简单问题的系统，哪怕其中有些内容是它之前没有遇到过的。例如，研究人员给记忆网络一篇魔戒的梗概，让它回答一些简单的问题，如“魔戒在哪?”，虽然它可能在之前并没有遇到过“魔戒”这个词，但还是能够回答上来。如果它能够理解一些更加复杂的句子的话，那么将会有很大的应用。
然而，打造一套能够完成有限对话的系统已经耗费巨大的精力，更何况神经网络的推理能力很差，更不论制定计划。尽管研究人员还没有找到更高效的解决方法，但Lecun等研究人员对此仍充满了信心。
不过并不是每个人都如此乐观，西雅图一家研究机构的CEO Oren Etzioni就认为，深度学习软件现在只是展现出了语言识别最简单的那部分能力，他们仍缺乏逻辑推理能力，这和现在神经网络做的图形分类以及声波解析都有着天壤之别。此外，掌握语言也不是那么简单的事，因为在文本中句子的意思可能会发生改变。要让软件拥有语言能力，则需要它们像婴儿那样，没有明确的指示也能掌握句子的意思。
深度的信仰
在Facebook的CTO Mike Schroepfer 看来，未来他们希望能看到Facebook的系统与你进行交流，就像和一个人类管家一样。这套系统能够在更高的层面上理解语言和概念：比如你可以要求它展示一张朋友的照片，而不是他的动态。随着Lecun的系统掌握更高的推理和规划能力，这在短期内还是很可能实现的。此外，Facebook可能还会提供一些他们觉得你会感兴趣的东西，并且询问你的看法，最终让这个超级管家沉浸于信息的海洋之中。
不仅如此，这种交流算法的改进也可以提高Facebook过滤信息和广告的能力，这对Facebook想要超越社交网络的定位至关重要。随着Faebook开始以媒体的身份发布信息，人们就需要更好的信息管理方式，这套虚拟助手可以帮助Facebook实现这一野心。
如果深度学习再重蹈以前人工智能的覆辙，那这些可能永远都不会发生了。但是Lecun对此充满了信心，他认为有足够多的证据站在他这边，表明深度学习终将会带来巨大的汇报。让机器处理语言需要新的想法，但是随着越来越多的公司和大学加入到这个领域，原来小小的一片天开始拥有无限可能，这将大大加快整个进程。
究竟深度学习能不能实现Facebook预想的管家还不得而知，就算是真正能实现，人们能获益多少现在也还难以想象。但可能我们并不需要等太久了，他坚信那些怀疑机器深度学习语言能力的人们终会后悔。这和2012年以前一样，虽然事情出现了一些改变，但用老方法的人仍然顽固不化。也许再过个几年，人们就不会这么看了。