BERT模型对意图分类的问题可以使用PyTorch和Hugging Face的transformers库来解决。下面是一个示例代码：

首先，需要安装transformers库：

pip install transformers

然后，导入所需的库：

import torch
from transformers import BertTokenizer, BertForSequenceClassification

加载预训练的BERT模型和分词器：

model_name = 'bert-base-uncased'
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)

对文本进行预处理和编码：

text = "What is the weather today?"
inputs = tokenizer.encode_plus(
    text,
    add_special_tokens=True,
    padding='max_length',
    max_length=128,
    truncation=True,
    return_tensors='pt'
)
input_ids = inputs['input_ids']
attention_mask = inputs['attention_mask']

将编码后的输入传递给BERT模型进行分类预测：

with torch.no_grad():
    outputs = model(input_ids, attention_mask=attention_mask)
    logits = outputs.logits
    probabilities = torch.softmax(logits, dim=1)
    predicted_class = torch.argmax(probabilities, dim=1).item()

最后，可以根据意图分类结果打印输出：

intent_labels = ['weather', 'time', 'news']  # 根据具体问题进行修改
predicted_intent = intent_labels[predicted_class]
print(f"Predicted intent: {predicted_intent}")

这样，我们就可以使用BERT模型对意图分类问题进行预测了。请注意，这只是一个示例代码，实际上，根据具体的意图分类任务，可能需要进行更多的预处理和调整。