“由于语言和无人驾驶汽车领域的问题，在深度学习中你将无法得到足够多的数据去进行暴力破解。”马库斯说，“要么你买不到那些数据，要么那些数据根本就不存在。”他指出，Geometric Intelligence的方案在无人驾驶汽车领域可能会非常重要，因为没有足够多描述会导致事故的罕见情境的数据。他说，公司的技术仍处于研究阶段，但它已经能够利用“比深度学习少一半的数据”去学习特定的任务。
他拒绝具体描述该项技术，称那是专有信息。不过，佐斌指出，该技术是深度神经网络和依据特定规则运行的系统的混合产物。“如果将部分基于规则的学习的理念和统计学习及深度学习的理念相融合，那你就能实现两全其美。”他表示，“要是有明显的规则——又或者即使规则不那么明显——那么它们最终也将理解那个规则，它们将会适用于新的情境。但它们也能够从大量的数据得出统计模式。”
零散数据
其它的公司也在研究类似的技术。旧金山创业公司Vicarious进行过与马库斯一样的宣讲——它也不愿透露实际开发了怎样的产品。与此同时，来自Facebook和其它组织机构的研究人员发表了有关能够从“零散数据”学习的系统的论文。“这是一个非常热门的领域。”埃齐奥尼说道。
然而，马库斯和加拉玛尼称，他们对于其它的研究领域同样感兴趣。其团队有研究人员专门研究较为传统的AI形式，其中包括贝叶斯逻辑、进化计算、象征性人工智能、深度学习以及概率规划。“我们并不希望仅仅研究一样东西。”加拉玛尼在描述他和马库斯是如何创立起公司时说道，“要解决AI的各种具有挑战性的问题，我们需要汇聚多个不同领域的专业知识。”
该团队将会与Uber位于匹兹堡的无人驾驶汽车部门以及位于旧金山和帕洛阿尔托的交通预测研究部门进行合作。该团队如今被称作Uber AI实验室，据两位创始人称，他们将会致力于从机器视觉到自然语言理解的多个领域的研究。像谷歌、Facebook等公司一样，他们的目标是实现真正的人工智能。要是他们能够取得成功，Uber可能会给四巨头带来威胁。（乐邦）
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！