在進一步訪談中，Google Brain計畫共同創辦人、Google人工智慧、電腦神經科學暨可量化機器學習研究員Greg Corrado博士表示，Google現階段在機器學習技術發展部分將以讓電腦系統變得更好用為目標，暫時並沒有考慮往發展更聰明、更了解人心的人工智慧方向發展，期望讓機器能協助人類生活，而非陷入奇怪恐慌當中。
針對Google目前推行的機器學習技術，如何與Google Search等服務中應用的知識圖譜 (Knowledge Graph)技術連結，Greg Corrado在進一步說明中表示，知識圖譜主要用於協助系統了解特定內容在真實世界中所代表含意，以及與內容本身產生更多關聯項目等，但仍須透過機器學習技術讓系統進一步「了解」這些內容，藉此讓電腦系統能更快做出正確反應動作。
例如在使用Google Search時，系統會透過使用者輸入關鍵字、搜尋後點選內容，從而學習判斷使用者輸入特定關鍵字時所反應需求為何，未來即可透過先前累積經驗所完成的知識圖譜分析可快速提供的搜尋關鍵字內容，並且反應在隨打隨搜索呈現列表結果。
但針對機器學習過程中如何讓系統知道內容可能有錯誤，Greg Corrado表示在透過邏輯分析為運算基礎情況下，確實系統會以較多人選擇結果為主，即便內容本身有誤的情況下，系統仍會將其視為「正確答案」，除非經由後續更多資料比對提出反證，讓系統在做結果判斷時同樣列入參考，或是透過手動方式調整修正。
在現階段發展中，Google暫時尚未計畫朝向打造會自我思考、認知情感的人工智慧系統，依然還是以協助人類生活變得更加方便為方向，而不會讓使用陷入擔心手機經常知道自己是否快樂或哀傷，甚至能夠知曉個人所發生一切而感到恐慌。Greg Corrado也表示，目前此方面技術依然是以各類邏輯算累積而成，並不會太快看見可完全獨立運作的人工智慧系統。
不會以機器學習技術銷售獲利
至於在機器學習技術的應用發展，Greg Corrado認為最大的突破點在於推動語意識別功能，透過累積許多自然語言發音與文字輸入比對，目前讓Google旗下以語音搜尋為基礎的服務內容均可接近正確地將口語內容轉換成文字，因此Google預期下一步將能藉由機器學習資源讓本身語言翻譯服務品質更好。
但Greg Corrado也表示，目前選擇將TensorFlow資料庫框架開放使用，期望吸引更多人使用後提昇機器學習精度，因此並不會將旗下機器學習技術直接用於獲利 (註)。此外，由於機器學習技術會廣泛應用在Google旗下服務內容，因此預期如Replicant部門的仿生機器人、無人自動駕駛車等產品也會應用此類技術。
而在機器學習技術背後，Google是否透過自行打造客製化硬體系統等方式增進機器學習效率 (例如百度與Nvidia合作利用顯示卡協同運算資源使機器學習效率加速)，Greg Corrado對此則強調Google確實也會與硬體廠商攜手合作，但本身主要還是以軟體服務端發展為重，因此並未在硬體運算端做特別調整或改變。
