跟着小螃蟹，看懂 AI 的理解：和 NLU 有什么区别？

小螃蟹对机器人说：“故事会安排晚一点，老人别晒着。”

机器人递来一张画着太阳的海报：“温暖、明亮，符合要求！”

小螃蟹看着海报：“我说的是别晒着，你倒把太阳请来了。”

01 理解：弄清意思、意图和约束

上篇讲感知：从输入中识别信息。这篇接着问：这些信息表达了什么，和当前任务有什么关系？

“晚一点”是在调整时间；“老人别晒着”提出了遮阳约束。至于晚到几点、是否换场地，信息还不够，要继续确认。

能复述原话，也可能没弄清要求。检查理解，要看它有没有保留关键条件，而不只看回答是否流畅。

02 NLU：专门理解自然语言

NLU 是 Natural Language Understanding，即自然语言理解。它面向人说、写的语言，研究句子含义、意图和上下文。

常见任务包括意图识别、实体抽取、指代消解、情感分析和阅读理解。

“把明天下午的故事会推迟一小时，地点不变”：要识别调整活动的意图，找出时间、活动和地点约束；“它”指哪场活动，也可能要结合前文。

NLU 并不只等于“识别意图、填几个槽位”。这些是常见应用方式，它的范围还包括更复杂的语义与语境问题。

03 和全景图里的“理解”，差在哪？

NLU 按处理对象划范围：自然语言。全景图里的理解，按任务能力划范围：解释含义、关系与约束。

所以，在这套功能地图中，自然语言理解可以归到“理解”里，但不能代表全部。

看照片判断入口为何被挡、结合画面与指令确定“走这边”指哪里，涉及视觉或多模态理解。它们不宜全部叫 NLU。

如果先用 OCR 读出照片中的文字，再解释文字含义，其中的语言分析可以属于 NLU；照片里的空间关系仍需要视觉信息。

这是一种便于查阅的划分，感知、理解和推理之间有交叉，不是模型内部固定的三道工序。

04 NLP、NLU、NLG，也别混

NLP：自然语言处理，范围更广。其中，NLU 侧重分析语言含义；NLG 是自然语言生成，侧重产生语言表达。

大模型可以同时承担理解与生成任务，不一定有两个独立模块。

小螃蟹问：“那它写出漂亮海报文案，就是理解了？”

“先核对文案有没有遵守‘别晒着’。能生成一句话，并不能证明已经正确理解要求。”

05 上下文帮忙，也会带偏

前文一直讨论露天活动，后来明明改成室内，模型却继续安排遮阳棚，这是上下文偏置可能造成的错误。

排查时，可以让它列出当前要求与待确认信息，再核对原文、图片和任务记录。列出的解释也可能错，不能拿它的自述当证明。

小螃蟹重新提问：“先确认新时间，再找有遮阳条件的场地，可以吗？”

机器人点头。这一次，小螃蟹还要检查实际安排。

理解得对不对，要落实到关键条件和任务结果上。

漫画为教学场景，配图由 AI 生成。