在豆瓣文字失语者互助联盟，超过30万人在给自己的语言能力“举哑铃”。越来越多的人患上了这种时代病——不知如何将感受化为文字，或话到嘴边却发现词不达意、言不由衷。在厌倦了网络用语复读机似的轰炸之后，我们如何找回正常的语言表达？机器有答案。输入你想要表达的意思，就能获得对应的词语，名为WantWords（曾叫做“万词王”）的“反向词典”工具拯救了失语的人们。
输入“平静中有一点点开心的状态”，就会给出“怡然自得”、“恬然自足”、“泰然”这样的结果，也会让人偶遇一些生僻词汇，像是“塌心”、“姁”、“松范”、“逸豫”，也都表示心情安定愉悦。系统每次都会给出100个词语，背景色由深至浅，代表系统心目中这个词的接近程度。但通常，在前十个词里你就能找到自己想要的那一个（正式研究中，前十个词的命中率是75%）。每天，有两万多用户用它处理失语和词穷的困扰。
WantWords的运作原理跟人类的思维模式有些相像。当人类根据一个描述去猜词的时候，脑子里会经历一个怎样的过程呢？我们常常也不是一下就知道答案的，而是从多个方面，先去做推测。比如，“road where cars go very fast”，车在上面走得很快的路。乍一看，你可能不知道具体对应的是哪个词，但肯定知道这指向一个名词。
英文语境下，你会猜它大概包含way这个词素；中文的话，你会猜，这个词很可能包含“路”、“道”等字。这些信息拼贴在一起，就可以帮助你推断出，它可能是“expressway”、“快速路”、“高速公路”这样的词。当你在WantWords中输入一句话时，我们的模型也会经历一个这样的过程，先分析这句话都体现出词语的哪些特征：是形容词、名词、动词还是副词？它里面有哪些词素？再去找拥有对应特征的词。
在此之前，英文世界已经存在多部反向词典。它们背后的技术，是人工智能领域最主要的分支之一——自然语言处理（Natural Language Processing，NLP），一项旨在让机器理解和说出人类语言的技术。图灵奖得主，AI三巨头之一的Yoshua Bengio（约书亚·本吉奥）曾表示：能否将反向词典任务做好是衡量NLP模型学习能力的一个重要的指标。因为人类的语言表述是多样且复杂的。
如今，机器已经能在特定任务上做得很好，比如客服、问答，但如果你只是随便跟它说点什么，它可能就不太理解。而反向词典本质上就是通过随机的一句话，找到语义相近的一个词。显得机器很懂你。
为解决这些问题，就要去借助语料之外的东西了。于是我们就想到，可以人为地加上几层筛选条件，让机器更容易找到那个“正确的”词。除了词性、词素这两个词语本身具有的特征，我们还加入了两个人为规定的外部特征。一个叫“层次体系”。
这个系统会区分一个词是实体还是概念，实体下面又会分出各种各样的实体。另一个叫做“义原”。在语言学里，它被定义为语义的最小单位。词是语言学中最小的单位，但从语义上还可以再去拆分。比如“男孩”这个词，它的意思可以被分成“人类”、“男性”、“儿童”。义原能帮助机器更灵活地表达和理解一个词的意思。像“expressway”这个词，它其实有个义原，就是“道路”，还有一个义原是“快”。
这两个义原都能在原本的那一句话描述中找到相应的词语。这四个特征相当于在原本的结果上，又加了很多筛选条件。
WantWords反向词典的第一版产品最早在2019年就做出来了，主要由我和实验室的另一名同学张磊合作完成。在我们思考义原知识库的应用时，发现了这种可能，就去做了探索。这时看到国外有OneLook（英文反向词典）这样的产品，而国内并没有，就想着可以在研究的基础上做一个演示系统。
一开始真的是一点经验都没有，工程整个就是一塌糊涂。演示系统出来之后也没有做任何推广，只是身边的同学用完反馈说还不错。就这样一直放着，可能一天也才几百不到一千的访问量。直到去年11月的时候，突然被一家科技媒体在微博上推荐，一下子涌进来好多人——当时网站就崩溃了。因为没有人维护，我们也不看微博，崩了三四天都没发现。直到有一家做笔记工具的公司的人联系过来，想合作，我们才知道这件事。
我们当即对服务器进行扩容，同时我们想既然大家喜欢用，可以再去做一些改进，就开始做迭代，调试网页端的各种功能。其实都不是很大的更新，加起来可能最多一个月的工作量，但因为我们都有研究或者工作在身，进度比较慢。
其实，有的时候机器已经比人更会说话了。五年前，我选了自然语言处理作为自己的研究方向。当时这个方向当时还没有像现在这样热门，我心想等到毕业的时候，也许就正好起来了。结果确实如此。
尤其是GPT-3出现之后，它的应用给整个行业都带来很大的激励。也正是这个领域的飞速进步让我们的“反向词典”能够达到现在的效果。尽管如此，人们还是在不断探索，很多时候，这种探索会走在实际应用的前面。像WantWords，它在研究上的意义就远远大于目前作为一个应用系统的意义。我们老师一直都说，要做面向实际应用的研究。这个过程中会发现很多新的问题，比如查到的词不那么好，该怎么把一些无关的词去掉之类的。
我们在准备的一篇论文，就是围绕第二版反向词典，它使用的又是一套完全不同的原理架构。具体原理嘛，现在还不能透露。