自然语言理解是人工智能科学领域中的一个核心难题，尽管已有研究取得了一定成果，但实现对自然语言的真实理解仍充满挑战。论文提出了通过构建人工意识系统、全局知识库和自然语言的数学模型来实现自然语言真实理解的新思路，并对其主要技术问题进行了初步分析和解决框架的提出。
人工意识系统是实现自然语言真实理解的关键。人工意识可以被看作是一种高级的代理（Agent），它能够驱动智能体实现自组织行为的中心地位。自然语言理解和人工意识在处理包含大量智能行为的对象时，同感机制尤为重要。在具有人类同等认知水平和背景的情况下，人工意识体验能够实现与人类相同的主观性自然语言理解，这一点是与其他自然语言理解方案的主要区别所在。人工意识-意识环境系统中环境与意识的不可分割性，以及意识作用范围的有限性是其重要特性。
全局知识库的构建是实现自然语言理解的基础。在自然语言系统中，要实现无限可扩展的主观性理解，需要存在一个可列举的有限可认知世界，并且需要一定的连结规则来处理知识。这个全局知识库需要包含人类语言行为中的主观性和客观性内容，并能被自然语言理解系统所使用。
建立通用自然语言的数学模型是实现自然语言理解的重要部分。这种模型应当能够便于应用知识库进行处理，同时也要考虑到自然语言中的主观性和客观性的处理。数学模型的构建需要解决自然语言理解中的一些关键性技术问题，如如何描述和处理自然语言中涉及的复杂语义和语境信息。
自然语言理解对于人类思维的描述作用不能被忽视，实现通用型的自然语言理解是理论与实践的双重需要。现有的自然语言理解系统在处理客观性自然语言对象，如新闻、科技文献等方面表现出色，但在处理如小说、书信等包含强烈主观性的自然语言对象时却难以奏效。面向人工意识的自然语言理解需要具备处理主观性对象的能力。
在实现自然语言真实理解的过程中，所面临的主要困难包括理解自然语言中的主观性，构建能够反映人类认知水平的全局知识库，以及设计能够通用化处理自然语言的数学模型。这些挑战需要通过深入研究和创新技术方法来克服。例如，研究者需要深入理解人工意识理论，以及如何在自然语言处理系统中模拟这种同感过程。此外，研究者还需开发出能够包容和处理自然语言中广泛语境和语义内容的全局知识库，以及为实现这些目标提供理论支撑的数学模型。这些都是当前自然语言理解领域亟待解决的难题。
自然语言真实理解的实现是一个系统工程，它不仅要求对自然语言本身有深刻的理解，还需要跨学科的技术手段，如认知科学、人工智能、计算语言学等领域的研究成果来共同推进。随着研究的深入和技术的进步，未来有望实现更为高级和精准的自然语言理解。
