即便要达到接近小学生的智力水平，现在的AI还有相当多要学的东西。

 

　　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，或许可以占据一席之地。

 

　　近日，美国AI视觉检查公司Neurala的CEO兼联合创始人MaxVersace在一篇文章中提出了这样一个有趣的观点。他认为，在人类文明中，“无”“0”这样的概念是认识世界的一个重要存在，但机器现在还无法明白这种概念的奥义。

 

　　在数学上，“0”的诞生意义重大。

　　人类发展数学计算的早期，1、2、3等数字都对应着一个个真实的物理实体，比如一个苹果加另一个苹果，我们能看到两个苹果。正是在公元8世纪，零作为一个数字被提出，数学计算才挣脱仅限于实物的计数。

 

　　零的概念对数学产生了革命性的影响，今天我们在数学运算中无拘无束地使用着这一概念，已经相当熟练，但是在其未诞生前，如何发明一个前所未有的数字来表现现实中“什么都没有”的状态，需要思维上质的飞跃。

 

　　由此，MaxVersace认为，零或无，对AI而言仍是一个尚未涉足的领域，引入这个概念或可以为AI领域带来更多的突破。正如人类当年发明了“0”用来描述“无”。

 

　　AI如果能够识别0和无的概念，便可以使用这种概念进行推理，或者是未知的情况出现时，0和无的概念能够成为AI可以调用的一个知识选项。

 

　　特别在利用计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），多以监督的方式训练其识别能力，强依赖于大量的高质量数据集。在现实的物体分类场景中，如果引入了数据集以外的对象，DNN会如何表现呢？

 

　　例如说，DNN只训练了苹果和香蕉的识别，当遇到橘子时，对于它来说，橘子将被判断成更接近于它的苹果，而不是“无或未知”。因为对它而言，它的世界只有苹果和香蕉。

 

　　在训练DNN时，若引入这种无或零的概念，当DNN遇到不是苹果或香蕉的事物时，它可以将这些事物归到“0”“无”或“未知”，而对于DNN的开发者来说，如果DNN能够将项目分类为“苹果”“香蕉”或“什么都没有”，他们也可以意识到是否需要为DNN再增加新的分类。也就是说，当AI检测到异常信息时，它可以通过运用“无或未知”的概念反馈给开发人员。

 

　　但是，MaxVersace在文中表示，目前为止，还没有简单的方法来训练DNN使其拥有上述的能力。

 

　　他和他所在的Neurala公司正在探索将这种概念纳入一种称为Lifelong-DNN的新算法中。Lifelong-DNN将可以通过利用这种反馈机制来确定其接受的输入是否有异常。

 

　　这种机制类似于人类的学习方式：有意无意地不断检查我们的预测是否与真实世界相符，不断检查对事物的分类是否符合实际情况，如果出现异常，我们的大脑就会注意到并发出警报。比如你每天坐的办公椅，你的大脑会持续建立椅子的“模型”，如果某一天椅子的高度、触感和这一模型不相符，你会察觉到这种异常。

 

　　他认为，在实际的产业应用中，工业视觉检测场景将需要算法具备这种能力。这种业务场景中，传统的计算机视觉系统在经过训练之后，要用来识别产品中各种各样的异常，但合格的产品总是标准化的，不合格产品的表现形式可能千奇百怪，“根本没有可用的不合格产品数据集”。但是，借助Lifelong-DNN，当系统检测到与合格商品定义不符的产品时，它可以将该商品归类为异常，以进行适当处理。

 

　　对于制造业而言，这种发现异常的能力可以节省时间并提高生产线的效率，而其他越来越依赖深度学习的产业，或许也可以在类似的问题上找到好的解决方案。