当前 AI 模型需要大量数据进行训练，但学习效率远低于人类。他希望未来能提升数据效率，让模型以更少的数据学到更多。提升数据效率的关键在于让模型生成高层次抽象并过滤噪声，这与数据整理、特征工程、多模态性、可解释性、稳健性、推理能力及 AI 民主化等问题密切相关。更高效的数据使用不仅能降低成本、提升模型性能，还能让 AI 更广泛应用于数据或资源有限的领域。他认为数据效率是 AI 进步的重要指标，并期待未来取得突破。