机器与机器之间目前是确定性语言，即0和1，而人类是不确定性语言，为概率性语言。未来机器人语言会朝概率性语言发展，这样才会有理解能力和推理能力。
　　理解语言需要推理时间，对于机器来说就是计算概率，并依据概率做出选择。而选择要根据自身性格做权重，90%的结果可能因为机器本身的内在固定性出现选择偏差。这个偏差需要外部干扰，机器学习到偏差贺正确结果，做权重调整。我们都知道不同场景下结果选择会不同，这个权重也会实时调整。
　　我们先定义一个标准：机器语言是概率性语言，具有量子不确定性，只有当得到反馈时才知道对与错。
　　由此，我们知道机器语言是交互式语言，需要反馈，如果没有反馈就是自言自语。而自言自语是自我思考吗？是机器内在的更新吗？是系统化的自我完善吗？会导致现有的理解力权重变化吗？是内在反馈吗？是自我修正吗？参考对象是谁？
　　假如我们设计一个机器人，具有语言理解能力，它跟同类交流时，需要做什么响应？我们模仿人类语言，比如说“早上好”，机器人会如何回答？其实有很多种，但是机器人需要根据场景做合适的回答，它可能会说“一点都不好”，也可能说“是啊，挺好”。但是如果让现有的机器回答，则是检索各国的语料库，给出一堆的回答列表。这不是真正的机器人应该做的事，它应该回答，哪怕对与错。
　　机器语言转换为数字，就是0-1之间的小数、0|1的判据门和时间序列，是三维化语言。可想而知，汇编语言只有0|1，是一维语言。人类语言就是三维语言，机器也会模仿人类发展。它们需要和人类交互。当机器A命令机器B做什么事时，B可以选择听从也可以选择拒绝，这就是理解能力。一维机器语言也有这种特性，他们设定了很多条件，对不同指令做判断。但是一定条件下只有一种结果。而三维语言会有不同结果。而这不是产生了错误，而是“误会”。
　　人类语言的艺术之处在于反复交流沟通，即反复反馈直到双方或多方形成统一。可以想象，两个机器人对话，确认要如何协同时，互相确认细节，互相推理。
　　人工智能第一阶段推理认知，第二阶段理解交互，第三阶段自我意识。
　　当世，人工智能只做到了第二步，而且。是初级的。婴儿也是在学习了很多环境输入的语言，才理解环境。机器也是这样，给定了足够多的语言，才知道如何回答。而且都有导向性，不是普世的。