如今在玩填字遊戲時，有更好的作弊方法，那就是利用人工智慧。
來自三所大學的研究人員設計了一套系統，運用稱為深度學習的人工智慧技術來幫助電腦更快速有效地理解語言，而研究人員還順便打造了一項出現特別讓人困惑的填字遊戲提示時，能方便解題的網路工具。
劍橋大學博士候選人，也是這項研究報告的第一作者 Felix Hill 說，填字遊戲小幫手展現出深度學習技術能如何提高機器理解語言的能力。他說對電腦來說學習語言是件苦差事，它不會像人類一樣在學習說和讀的能力時，重新建立豐富多元的資訊來源。
研究人員著重於協助電腦理解簡短的句子。Hill 說電腦雖善於理解單字，「多數有用的資訊還是以短句的方式進行傳播。」
訓練神經網路
研究團隊運用深度學習技術，將能理解單字意義的機器，以及能理解長短句子意思的電腦之間的差距拉近距離。研究人員利用深度學習技術來訓練人工神經網路，自然從海量資料裡學習，以重現媲美人類的能力（請見《Accelerating AI with GPUs: A New Computing Model》一文）。
研究團隊使用六本字典和維基百科上的資料來訓練神經網路，並且透過 GeForce GTX TITAN Black GPUs 來加快處理數十萬筆資料的速度，Hill 說過去訓練時間要花上數日，現在縮短到只要約10小時。
「我們的系統不能超出訓練時使用的字典資料，不過這套訓練方法相當有趣，打造出令人驚訝實力堅強的問答系統，極為擅長解答填字遊戲。」Hill 說。
更多要學習的東西
報告指出深度學習系統不是特別擅長需要邏輯迴圈的雙關語或抽象問題，卻在測試時比起其他商用產品，更善於對標準填字遊戲的提示進行解答。
那麼它的表現到底怎麼樣? 我們針對一則由三十多年間將填字遊戲售到全美各地的製作者 Merl Reagle 所設計出的內容，向線上工具要求一些提示。它給我們一些簡單的線索：像是「gradual decline」這題，「deterioration」的確是13個字母的解答，而「Edam」也的確是一種荷蘭式起士，但它無法解答其他簡單的提示，像是「looked up to」（respected）和「fearful one」（scaredycat）。
在使用字典和維基百科進行訓練後，深度學習系統在文化認知水準方面並未有顯著提升的情況。它在回答「epic film of 1979」時，有想到《伊利亞德》、《貝奧武夫》及其他文學史詩大作，卻沒有想到《現代啟示錄》。而在解答「Flying Pan」這題時，工具有提出多種鳥類和魚類的名稱，沒想到那其實是指來自永無島的小飛俠彼德潘。
Hill 說下一步是使用更多資料來訓練神經網路，最終是直接與人類互動，如此一來研究人員便能按照回饋內容來增進系統表現。