另外他表示，人工智能道德領(lǐng)域的研究還處于較早的階段。“在過(guò)去的一兩年中，人工智能道德方面的算法大量涌現(xiàn)，比如實(shí)驗(yàn)算法，以及關(guān)于算法的論文。這些算法研究如何將透明、公平、尊重隱私的道德原則納入機(jī)器學(xué)習(xí)算法中，目前還沒有定論。我認(rèn)為人們才剛剛開始思考這個(gè)問題，因?yàn)槿藗冏罱乓庾R(shí)到這將是一個(gè)關(guān)鍵的問題。因此，這項(xiàng)工作正在進(jìn)行中。但人們有一種強(qiáng)烈的緊迫感，因?yàn)榇蠹乙庾R(shí)到這一點(diǎn)至關(guān)重要。所以讓我們一起來(lái)看這將如何演變吧。”
在蘋果的問題上，他認(rèn)為人工智能創(chuàng)新和隱私不一定是相互排斥的。“未來(lái)將會(huì)有好的技術(shù)解決方案。”他接著說(shuō)，“我們必須努力工作，認(rèn)真思考。廣泛的人工智能包括機(jī)器學(xué)習(xí)和其他計(jì)算機(jī)科學(xué)領(lǐng)域如差異化隱私，我對(duì)此有信心，大家都知道這個(gè)話題熱度很高，而人們真的在努力工作解決這個(gè)問題。我們還沒有找到所有的答案，但我很有信心，我們會(huì)找到很好的辦法。”
當(dāng)然，在人工智能方面，并非所有的數(shù)據(jù)獲得都是平等的。布萊克說(shuō)，他的學(xué)術(shù)興趣來(lái)源于構(gòu)建一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)的主意，他想造一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)，在它學(xué)習(xí)的過(guò)程中它不需要太多外界幫助就從數(shù)據(jù)中提取有用的理解，而不是必須在有人監(jiān)督的情況下才能進(jìn)行學(xué)習(xí)。
“讓我著迷的一件事是，人類都是在沒有大數(shù)據(jù)的情況下進(jìn)行學(xué)習(xí)的。這件事并不是那么簡(jiǎn)單。”他指出，蹣跚學(xué)步的孩子們了解周圍世界的情況，并不需要知道他們看到的每一樣事物的名稱。孩子們可能會(huì)被數(shù)次告知杯子是“杯子”，但并不是每一個(gè)他們遇到的杯子都是“杯子”。如果機(jī)器能夠以同樣的精益方式從原始數(shù)據(jù)中學(xué)習(xí)，那么這將給人工智能領(lǐng)域帶來(lái)變革。布萊克認(rèn)為，破解無(wú)人監(jiān)督學(xué)習(xí)將是人工智能研究人員面臨的下一個(gè)重大挑戰(zhàn)。
“我們現(xiàn)在必須區(qū)分兩種數(shù)據(jù)原始數(shù)據(jù)和標(biāo)簽數(shù)據(jù)。標(biāo)簽數(shù)據(jù)的價(jià)格很高。而那些沒有標(biāo)簽的數(shù)據(jù)，只是你在瀏覽世界的過(guò)程中得到的體驗(yàn)，但你還是會(huì)從中受益。所以標(biāo)簽數(shù)據(jù)之間有一種非常有趣的合作關(guān)系，標(biāo)簽數(shù)據(jù)并不多，而且很難獲得。但沒有標(biāo)簽的數(shù)據(jù)很多，并且無(wú)時(shí)無(wú)刻不在流動(dòng)。”
“因此，我認(rèn)為這將是未來(lái)10年人工智能和機(jī)器學(xué)習(xí)面臨的巨大挑戰(zhàn)，我們?nèi)绾尾拍茏畲笙薅鹊乩糜邢耷野嘿F的標(biāo)簽數(shù)據(jù)？我認(rèn)為，未來(lái)5到10年，大家最關(guān)注的將是找到獲取無(wú)標(biāo)簽數(shù)據(jù)最有效的方法并從中受益，并認(rèn)識(shí)到標(biāo)簽數(shù)據(jù)非常短缺。”
“我們要怎么做呢？我們?nèi)绾尾拍塬@得它呢？自動(dòng)駕駛汽車將是一項(xiàng)很有前途的技術(shù)，它顯然將受益于這一領(lǐng)域的突破。因?yàn)槿祟愸{駛的汽車已經(jīng)配備了攝像頭，而且如果這些機(jī)器能夠從無(wú)標(biāo)簽的數(shù)據(jù)中學(xué)習(xí)，來(lái)自汽車的數(shù)據(jù)流也可以用于訓(xùn)練車輛自動(dòng)駕駛。”
FiveAI的網(wǎng)站表示這也是它的目標(biāo)，它正在用“更強(qiáng)的人工智能”來(lái)解決自動(dòng)駕駛汽車在復(fù)雜的城市環(huán)境中安全航行的挑戰(zhàn)，而不需要“高度精確的3D地圖和本地化”。這個(gè)挑戰(zhàn)被標(biāo)榜為“自主的最高級(jí)別L5”。
布萊克補(bǔ)充說(shuō)：“我個(gè)人很感興趣人類是如何用不同方式學(xué)習(xí)的。目前，我們的機(jī)器正在學(xué)習(xí)這個(gè)。人類并不是一直都在從大數(shù)據(jù)中學(xué)習(xí)。人能夠從少得可憐的數(shù)據(jù)中學(xué)習(xí)。”他引用了麻省理工學(xué)院的Josh Tenenbaum的研究，來(lái)展示人類是如何在接觸一到兩種東西后學(xué)習(xí)新事物的。“我們?cè)谧鍪裁矗?rdquo;他想知道。“這是一個(gè)令人著迷的挑戰(zhàn)。我認(rèn)為，這是一個(gè)非常重要的問題。目前，我們真的不知道答案。我認(rèn)為，世界各地的研究機(jī)構(gòu)將會(huì)有一場(chǎng)大競(jìng)賽，來(lái)看看并了解人類是如何學(xué)習(xí)的。”
他推測(cè)，推動(dòng)前進(jìn)的答案可能在于回顧人工智能的歷史，比如用概率或邏輯推理之類的方法，但之前沒有成功，因?yàn)樗鼈儾]有帶來(lái)深度學(xué)習(xí)所代表的突破，但這或許值得我們重新思考下一篇章的內(nèi)容。他說(shuō)：“早期的先驅(qū)們?cè)噲D用邏輯來(lái)做人工智能，但出于種種原因，這絕對(duì)行不通。但邏輯似乎有一種屬性，或許我們可以從這一點(diǎn)上進(jìn)行研究，那就是通過(guò)邏輯我們能夠高效并令人尊重地獲取數(shù)據(jù)，但是獲得數(shù)據(jù)的成本很高。所以，即使是一份數(shù)據(jù)，也要窮盡它。用邏輯學(xué)習(xí)的一個(gè)特性是，可以非?？焖俚剡M(jìn)行學(xué)習(xí)，只需要一個(gè)或兩個(gè)例子就行。”