机器阅读理解（MRC）是一种人工智能能力，可以了解嵌入在不同来源中的特定知识 - 这是许多现实世界场景的必要技能。例如，在搜索应用程序中，它帮助认证机构给出一个精确的答案而不是包含该网页的 URL，并且将来，MRC 甚至可以帮助医生在数千个文档中查找信息，减少耗时的任务并可能改善医疗行业。
但目前的机器阅读系统通常建立在监督的训练数据上，这意味着它们不仅使用它们应该理解的文章进行训练，而且还需要人工手动标记这些文章的问题，并给出相应的答案。然而，这种方法是不可扩展的，因为必须为任何知识领域和每个知识域完成标签过程。例如，在为帮助医生而建立人工智能的情况下，有必要为每种疾病创建一个 MRC，由于文献中正在生产的文章数量不断增加，因此每个疾病都应不断更新。
微软现在拿出 SynNet，微软新的“两阶段综合网络”培训模式，SynNet 首先从一个领域学习关键知识点或语义概念，并根据可用的监督数据学习，然后学习形成自己的自然语言，在给定文章的背景下，给出问题的答案。
SynNet 最有趣的一面是，一旦被训练，它可以在一个新的领域中使用来为给定的文章生成伪问题和答案。这种方法使其能够创建培训特定 MRC 所需的监督培训数据，从而消除需要人工标签的问题，并使 SynNet 成为 AI 教师。目前 SynNet 还处于起步阶段，当然，并不是每个人都对 AI 正在发展的方向感到高兴，特斯拉老板 Elon Musk 警告美国总统，他们需要提早警惕 AI 并且做出调整。
