ニューラルネットをはじめとする分類器の多くは、昨今の目覚ましい進化によって人間を超える識別性能を出すことができます。しかし、このような分類器が高い性能を出せる環境はトレーニングデータで現れるクラスとテストデータで現れるクラスが一致しているような場合を想定しています。一方で、自然世界の多くはオープンな環境つまり、トレーニングデータのクラスとテストデータのクラスが一致しないような場合がほとんどです。例えるなら、下の図のように動物園図鑑を学習させた分類器に対して、図鑑には現れなかった花やモップといったものを与えると図鑑の中のクラスで分類しようとしてしまい、これらのサンプルは誤分類されます。このようにトレーニングデータに現れないクラスを発見して誤分類を防ぐような問題をオープンスペース問題といい、現在盛んに研究が行われています。
