即便要到达挨近小学生的智力水平，现在的 AI 还有恰当多要学的东西。
在这份一望无际的 “待学习清单” 中，让 AI 读懂 “0”、读懂“无” 这一概念，或许能够占有一席之地。
近来，美国 AI 视觉查看公司 Neurala 的 CEO 兼联合创始人 Max Versace 在一篇文章中提出了这样一个风趣的观念。他以为，在人类文明中，“无”“0”这样的概念是知道国际的一个重要存在，但机器现在还无法理解这种概念的奥义。
在数学上，“0”的诞生含义严重。
人类开展数学核算的前期，1、2、3 等数字都对应着一个个实在的物理实体，比方一个苹果加另一个苹果，咱们能看到两个苹果。正是在公元 8 世纪，零作为一个数字被提出，数学核算才挣脱仅限于什物的计数。
零的概念对数学产生了革命性的影响，今日咱们在数学运算中自由自在地运用着这一概念，现已恰当娴熟，可是在其未诞生前，怎么创造一个史无前例的数字来体实践际中 “什么都没有” 的状况，需求思想上质的腾跃。
由此， Max Versace 以为，零或无，对 AI 而言仍是一个没有进入的范畴，引进这个概念或能够为 AI 范畴带来更多的打破。正如人类当年创造了 “0” 用来描绘“无”。
图丨抢手美剧《硅谷》中的热狗辨认 APP（来历：《硅谷》）
AI 假如能够辨认 0 和无的概念，便能够正常的运用这种概念进行推理，或者是不知道的状况出现时，0 和无的概念能够成为 AI 能够调用的一个常识选项。
特别在使用核算机视觉进行物体分类上。现在的深度学习算法如 DNN（卷积神经网络），多以监督的方法练习其辨认才能，强依靠于很多的高质量数据集。在实践的物体分类场景中，假如引进了数据集以外的目标，DNN 会怎么体现呢？
例如说，DNN 只练习了苹果和香蕉的辨认，当遇到橘子时，关于它来说，橘子将被判断成更挨近于它的苹果，而不是“无或不知道”。由于对它而言，它的国际只要苹果和香蕉。
在练习 DNN 时，若引进这种无或零的概念，当 DNN 遇到不是苹果或香蕉的事物时，它能够将这些事物归到 “0”“无” 或“不知道”，而关于 DNN 的开发者来说，假如 DNN 能够将项目分类为 “苹果”“香蕉” 或“什么都没有”，他们也能够意识到是否需求为 DNN 再添加新的分类。也就是说，当 AI 检测到反常信息时，它能够终究靠运用 “无或不知道” 的概念反应给开发人员。
（来历：Neurala ）
可是，Max Versace 在文中表明，目前为止，还没有简略的方法来练习 DNN 使其具有上述的才能。
他和他地点的 Neurala 公司正在探究将这种概念归入一种称为Lifelong-DNN的新算法中。Lifelong-DNN 将能够终究靠使用这种反应机制来确认其承受的输入是否有反常。
这种机制相似于人类的学习方法：有意无意地不断查看咱们的猜测是否与实在国际相符，不断查看对事物的分类是不是满意实践状况，假如出现反常，咱们的大脑就会注意到并发出警报。比方你每天坐的办公椅，你的大脑会继续树立椅子的“模型”，假如某一天椅子的高度、触感和这一模型不相符，你会察觉到这种反常。
他以为，在实践的工业使用中，工业视觉检测场景将需求算法具有这种才能。这种事务场景中，传统的核算机视觉体系在经过练习之后，要用来辨认产品中各式各样的反常，但合格的产品总是标准化的，不合格产品的体现形式或许千奇百怪，“底子没有可用的不合格产品数据集”。可是，凭借 Lifelong-DNN，当体系检测到与合格产品界说不符的产品时，它能够将该产品归类为反常，以进行恰当处理。
关于制造业而言，这种发现反常的才能能够节省时间并进步生产线的功率，而其他越来越依靠深度学习的工业，或许也能够在相似的问题上找到好的解决方案。
-End-
参阅：
https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/the-next-frontier-in-ai-nothing
