Ένα παιδί που δεν έχει δει ποτέ ζέβρα μπορεί ακόμα να αναγνωρίσει μια, αφού του πουν ότι μοιάζει με άλογο με ρίγες. Η μηδενική μάθηση ζητά από τις μηχανές να κάνουν κάτι παρόμοιο: να χειρίζονται κλάσεις ή εργασίες στις οποίες δεν είχαν εκπαιδευτεί ποτέ, χρησιμοποιώντας βοηθητικές πληροφορίες όπως περιγραφές χαρακτηριστικών ή σημασιολογικές σχέσεις.

Στην ταξινόμηση εικόνων, ένα μοντέλο μηδενικής βολής μπορεί να εκπαιδευτεί σε γάτες και σκύλους, αλλά να του ζητηθεί να αναγνωρίσει έναν λύκο. Εάν το μοντέλο έχει μάθει χαρακτηριστικά όπως «έχει γούνα», «έχει μυτερά αυτιά» και «ζει σε αγέλες», μπορεί να τα συνθέσει σε μια αναπαράσταση του λύκου χωρίς ποτέ να δει έναν. Η γέφυρα μεταξύ των ορατών και των αόρατων κλάσεων είναι συνήθως ένας κοινόχρηστος σημασιολογικός χώρος, που συχνά κατασκευάζεται από περιγραφές κειμένου ή γραφήματα γνώσης.

Γιατί έχει σημασία

• Νέες κατηγορίες εμφανίζονται συνεχώς και η επισήμανσή τους είναι αργή
• Ορισμένες κατηγορίες είναι σπάνιες ή αδύνατο να συλλεχθούν σε μεγάλη κλίμακα
• Τα μεγάλα γλωσσικά μοντέλα εκτελούν πλέον πολλές εργασίες με μηδενική βολή από μια μόνο προτροπή
• Μειώνει το κόστος ανάπτυξης ενός μοντέλου σε νέους τομείς

Η απόδοση μηδενικών βολών εξακολουθεί να υπολείπεται της επιβλεπόμενης μάθησης στα περισσότερα σημεία αναφοράς. Το χάσμα μειώνεται όταν οι περιγραφές των βοηθητικών είναι πλούσιες και οι αθέατες κλάσεις βρίσκονται κοντά στην κατανομή εκπαίδευσης. Όταν βρίσκονται σε μεγάλη απόσταση μεταξύ τους, το μοντέλο κάνει κακές προβλέψεις και συχνά κάνει με σιγουριά.