张钹具体举例并对这些问题进行了说明。如对于不同种族的情感分析，利用大数据深度学习方法进行，得到的结论是对亚洲人评价相对比较正面，非洲评价比较低。模型越大，这个偏见或歧视会缩小。这也说明，用深度学习的方法，往往会得到一些带有种族歧视的结论，对宗 教常用词的挖掘也会出现一些信仰歧视。
 
他还提到了在人脸识别方面的研究，正常情况下攻击者无法登录手机，但如果设计的伪造的眼镜戴上去以后，攻击者就能够顺利正常登录手机，换句话讲人脸识别非常容易受到攻击。同时，凡是使用深度学习的方法做的语音识别系统也非常容易受到攻击，只要在正常的语音中加上一点点噪声，可能人都无法察觉，但机器“却作出完全错误的识别”。此外，凡是利用深度学习生成的文本，或做数据挖掘，则更加脆弱，而视频造假和语音合成造假也很容易。
 
“这些例子都说明现在人工智能的算法是非常脆弱的，用深度学习的方法，造假太容易了。”为什么会产生这个现象？张钹解释称，这是人工智能的局限性所致，因为目前人工智能基本上最主体的是深度学习，深度学习做出来的算法，天然存在着不可解释性、不安全、不可控，容易受到攻击，而且由于需要大量的数据，非常不容易推广。
 
“为了解决这个问题，我们提出来要发展第三代人工智能，建立一个可解释的人工智能理念。因为现在人工智能的深度学习理论是不可解释，而且非常脆弱，用技术语言来讲，就是非常不鲁棒。”张钹认为，首先要从理论上解决这个问题，这样才有可能发展出来安全、可信、可靠、可扩展的人工智能技术，才有可能使人工智能技术应用更加安全、更加公平。
 
他表示，发展第三代人工智能，必须把第一代人工智能知识驱动和第二代人工智能数据驱动结合起来，必须充分利用知识、数据、算法、算力四个要素来解决人工智能现在存在的不安全性问题。
 
在这个方面，张钹团队也做了很多工作。首先，在算法安全性方面，为解决深度学习非常脆弱、不可解释的问题，通过加上符号知识等，可以把原来深度学习算法提升成第三代人工智能算法，这个算法更加安全、可信、可靠。