这一突破当前AI与人脑之间一个关键差别的重要研究进展，为理解人类的概念认知提供了计算模型，也为建立具有类人概念智能的人工智能系统奠定了坚实基础。其相关成果论文，近日已在国际专业学术期刊《自然-计算科学》发表。

　　为何研究

　　合作团队介绍说，人类智能的一个独特能力是能够从感官体验中抽象出概念，从而可以脱离感官体验，直接在概念空间进行思考和交流。一般认为，这种将高维感知“压缩”为低维概念，再由概念“重构”感知的双向过程构成了人类符号化思维的基础，进而支持了语言的产生。

　　然而，当前的AI系统却难以实现这一过程：传统的深度网络往往将知识纠缠在海量的参数中，难以提取出独立的概念；而受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。

　　有何突破

　　在本项研究中，合作团队提出并研发的新型神经网络框架，包含概念抽象(CA)模块与任务求解(TS)模块两个核心模块。

　　在处理视觉任务时，CA模块能够自发地将高维的视觉输入压缩成紧凑的低维“概念向量”。随后，这些概念向量如同开锁的“钥匙”一般，通过分层门控机制产生一系列“开关”信号，可动态调节TS模块的神经网络活动，高效灵活地指导其完成特定的视觉感知任务，从而模拟人类概念的形成和理解。

　　该新型神经网络系统可根据与环境的互动自主生成大量新概念，并形成自己的概念空间。当不同神经网络所生成的概念空间对齐之后，就可以不用从环境中学习，而是直接通过概念向量在网络间传递知识，实现模拟人类通过语言等符号来交流的过程。

　　合作团队进一步将 CATS Net自发形成的概念表征与人类的概念空间和神经活动数据进行对比，发现该神经网络自发形成的概念空间与人类语言构成的概念空间有明显的相似性，而且对于这些概念的表征也与人脑内的表征显著相关。

　　这表明，CATS Net不仅在功能层面模拟了人类的概念认知，也在机制层面揭示了人脑概念形成与理解的计算原理。

　　意义何在

　　合作团队表示，CATS Net来源于前额叶启发的情境化信息处理模型，这也提示前额叶和情境化信息处理模型可能在人类概念认知中发挥了核心的作用。本项研究进展，为研发具备人类概念形成与应用能力的下一代智能系统奠定重要基础。

　　当前，AI大语言模型能力仍受限于人类语言所限定的范畴，赋予他们自主形成新概念的能力有望促进其在更广阔的领域发挥作用，比如从事全新的科学探索。

　　他们指出，当AI拥有了这种类人概念形成、理解与交流的能力之后，如何确保AI系统与人类的价值对齐，将成为下一步要解决的关键问题。(完)