即便要達到接近小學生的智力水平，現在的 AI 還有相當多要學的東西。
在這份一望無際的 「待學習清單」 中，讓 AI 讀懂 「0」、讀懂「無」 這一概念，或許可以佔據一席之地。
近日，美國 AI 視覺檢查公司 Neurala 的 CEO 兼聯合創始人 Max Versace 在一篇文章中提出了這樣一個有趣的觀點。他認為，在人類文明中，「無」「0」這樣的概念是認識世界的一個重要存在，但機器現在還無法明白這種概念的奧義。
在數學上，「0」的誕生意義重大。
人類發展數學計算的早期，1、2、3 等數字都對應著一個個真實的物理實體，比如一個蘋果加另一個蘋果，我們能看到兩個蘋果。正是在公元 8 世紀，零作為一個數字被提出，數學計算才掙脫僅限於實物的計數。
零的概念對數學產生了革命性的影響，今天我們在數學運算中無拘無束地使用著這一概念，已經相當熟練，但是在其未誕生前，如何發明一個前所未有的數字來表現現實中 「什麼都沒有」 的狀態，需要思維上質的飛躍。
由此， Max Versace 認為，零或無，對 AI 而言仍是一個尚未涉足的領域，引入這個概念或可以為 AI 領域帶來更多的突破。正如人類當年發明了 「0」 用來描述「無」。
圖丨熱門美劇《矽谷》中的熱狗識別 APP（來源：《矽谷》）
AI 如果能夠識別 0 和無的概念，便可以使用這種概念進行推理，或者是未知的情況出現時，0 和無的概念能夠成為 AI 可以調用的一個知識選項。
特別在利用計算機視覺進行物體分類上。現在的深度學習算法如 DNN（深度神經網絡），多以監督的方式訓練其識別能力，強依賴於大量的高質量數據集。在現實的物體分類場景中，如果引入了數據集以外的對象，DNN 會如何表現呢？
例如說，DNN 只訓練了蘋果和香蕉的識別，當遇到橘子時，對於它來說，橘子將被判斷成更接近於它的蘋果，而不是「無或未知」。因為對它而言，它的世界只有蘋果和香蕉。
在訓練 DNN 時，若引入這種無或零的概念，當 DNN 遇到不是蘋果或香蕉的事物時，它可以將這些事物歸到 「0」「無」 或「未知」，而對於 DNN 的開發者來說，如果 DNN 能夠將項目分類為 「蘋果」「香蕉」 或「什麼都沒有」，他們也可以意識到是否需要為 DNN 再增加新的分類。也就是說，當 AI 檢測到異常信息時，它可以通過運用 「無或未知」 的概念反饋給開發人員。
（來源：Neurala ）
但是，Max Versace 在文中表示，目前為止，還沒有簡單的方法來訓練 DNN 使其擁有上述的能力。
他和他所在的 Neurala 公司正在探索將這種概念納入一種稱為 Lifelong-DNN 的新算法中。Lifelong-DNN 將可以通過利用這種反饋機制來確定其接受的輸入是否有異常。
這種機制類似於人類的學習方式：有意無意地不斷檢查我們的預測是否與真實世界相符，不斷檢查對事物的分類是否符合實際情況，如果出現異常，我們的大腦就會注意到並發出警報。比如你每天坐的辦公椅，你的大腦會持續建立椅子的「模型」，如果某一天椅子的高度、觸感和這一模型不相符，你會察覺到這種異常。
他認為，在實際的產業應用中，工業視覺檢測場景將需要算法具備這種能力。這種業務場景中，傳統的計算機視覺系統在經過訓練之後，要用來識別產品中各種各樣的異常，但合格的產品總是標準化的，不合格產品的表現形式可能千奇百怪，「根本沒有可用的不合格產品數據集」。但是，藉助 Lifelong-DNN，當系統檢測到與合格商品定義不符的產品時，它可以將該商品歸類為異常，以進行適當處理。
對於製造業而言，這種發現異常的能力可以節省時間並提高生產線的效率，而其他越來越依賴深度學習的產業，或許也可以在類似的問題上找到好的解決方案。