في هذا البحث، ندرس مشكلة اكتشاف الفئات الجديدة (NCD). تهدف NCD إلى استنتاج فئات أشياء جديدة في مجموعة غير مصنفة من خلال الاستفادة من المعرفة السابقة لمجموعة مصنفة تحتوي على فئات مختلفة ولكن مرتبطة. يتعامل النهج الحالي مع هذه المشكلة بأخذ وظائف هدف متعددة، عادة ما تتضمن بنود خسارة متخصصة للعينات المصنفة وغير المصنفة على التوالي، وغالبًا ما يتطلب بنود تنظيمية مساعدة. في هذا البحث، نبتعد عن هذا النهج التقليدي ونقدم دالة هدف موحدة (UNO) لاكتشاف الفئات الجديدة، بهدف واضح هو تعزيز التناغم بين التعلم الإشرافي والتعلم غير الإشرافي. باستخدام استراتيجية تصنيف ذاتي متعدد الآراء، نولد تسميات زائفة يمكن التعامل معها بنفس الطريقة التي يتم التعامل بها مع التسميات الحقيقية. هذا يؤدي إلى هدف تصنيف واحد يعمل على الفئات المعروفة والمجهولة على حد سواء. رغم بساطته، فإن UNO يتفوق بشكل كبير على أفضل النتائج السابقة في عدة مقاييس (~+10% في CIFAR-100 و+8% في ImageNet). صفحة المشروع متاحة على الرابط: https://ncd-uno.github.io.