深度学习不懂，不好说，但能造成这么大的动静，相信确实有方法学上的突破。Intuitively，以前看机器学习领域的系统，发现他们确实很 robust，很 efficient，对于简单任务（文本分类，POS 之类）也有效，做起来很利索，但失之浅漏。一堆关键词也没有结构，主要就是根据 ngram 的记忆，从数据中找到蛛丝马迹的条件。现在有办法把传统的浅层的学习，推向多层学习，引起广泛兴趣是可以理解的。据说在图像识别语音识别方面，都已经在实用上大幅提高了系统质量。但是，在 text 方面，还没听说大的突破，可以拭目以待，乐见其成。

不管怎样学习，较复杂的NLP任务（句法分析，语义搜索，how、why的问答系统等）很难离开语言学结构和知识。简单任务可以离开结构，用ngram的冗余信息取代结构分析，用死记体现隐性的语言知识。对于复杂的任务，深度学习怎样利用和解构语言结构和知识呢？