لدى البشر غريزة طبيعية لتحديد حالات الأشياء غير المعروفة في بيئاتهم. يساعد الفضول الداخلي حول هذه الحالات غير المعروفة في تعلمها عندما تصبح المعرفة المرتبطة بها متاحة في النهاية. هذا ما يحثنا على اقتراح مشكلة جديدة في رؤية الحاسوب تسمى: "اكتشاف الأشياء في العالم المفتوح" (Open World Object Detection)، حيث يتم تكليف نموذج بـ: 1) تحديد الأشياء التي لم يتم تقديمها له كـ "غير معروفة" (unknown) دون إشراف صريح للقيام بذلك، و2) التعلم التدريجي لهذه الفئات غير المعروفة التي تم تحديدها دون نسيان الفئات التي تم تعلمها سابقًا عند استلام العلامات المرتبطة بها بشكل تدريجي. نصيغ المشكلة، نقدم برتوكولاً قويًا لتقييمها ونقدم حلًا جديدًا نسميه ORE: مكتشف الأشياء في العالم المفتوح (Open World Object Detector)، وهو مستند إلى التجميع التبايني والتحديد الطاقي للأمثلة غير المعروفة. يقوم تحليلنا التجريبي ودراسات الاستبعاد بفحص فعالية ORE في تحقيق أهداف العالم المفتوح. كمنتج ثانوي مثير للاهتمام، نجد أن تحديد وتوصيف الأمثلة غير المعروفة يساعد في تقليل الالتباس في إعداد الكشف عن الأشياء التدريجي، حيث نحقق أداءً رائدًا دون بذل جهد منهجي إضافي. نأمل أن يعمل بحثنا على جذب المزيد من البحوث إلى هذا الاتجاه البحثي الجديد والهام.