中新網北京2月27日電 (記者 孫自法)中國科學院自動化研究所2月27日向媒體通報，該所腦圖譜與類腦智能實驗室余山研究員團隊、北京大學心理與認知科學學院畢彥超教授團隊最近通過合作研究，研發出一種新型神經網絡框架CATS Net，實現了類人的概念形成、理解和交流，有望助力人工智能(AI)能像人類一樣真正“從無到有”地從感知經驗中自發形成概念。

　　這一突破當前AI與人腦之間一個關鍵差別的重要研究進展，為理解人類的概念認知提供了計算模型，也為建立具有類人概念智能的人工智能系統奠定了堅實基礎。其相關成果論文，近日已在國際專業學術期刊《自然-計算科學》發表。

　　為何研究

　　合作團隊介紹說，人類智能的一個獨特能力是能夠從感官體驗中抽象出概念，從而可以脫離感官體驗，直接在概念空間進行思考和交流。一般認為，這種將高維感知“壓縮”為低維概念，再由概念“重構”感知的雙向過程構成了人類符號化思維的基礎，進而支持了語言的產生。

　　然而，當前的AI系統卻難以實現這一過程：傳統的深度網絡往往將知識糾纏在海量的參數中，難以提取出獨立的概念；而受到廣泛關注的AI大模型則高度依賴人類已有的語言符號進行訓練，無法真正“從無到有”地從感知經驗中自發形成概念。

　　有何突破

　　在本項研究中，合作團隊提出并研發的新型神經網絡框架，包含概念抽象(CA)模塊與任務求解(TS)模塊兩個核心模塊。

　　在處理視覺任務時，CA模塊能夠自發地將高維的視覺輸入壓縮成緊湊的低維“概念向量”。隨后，這些概念向量如同開鎖的“鑰匙”一般，通過分層門控機制產生一系列“開關”信號，可動態調節TS模塊的神經網絡活動，高效靈活地指導其完成特定的視覺感知任務，從而模擬人類概念的形成和理解。

　　該新型神經網絡系統可根據與環境的互動自主生成大量新概念，并形成自己的概念空間。當不同神經網絡所生成的概念空間對齊之后，就可以不用從環境中學習，而是直接通過概念向量在網絡間傳遞知識，實現模擬人類通過語言等符號來交流的過程。

　　合作團隊進一步將 CATS Net自發形成的概念表征與人類的概念空間和神經活動數據進行對比，發現該神經網絡自發形成的概念空間與人類語言構成的概念空間有明顯的相似性，而且對于這些概念的表征也與人腦內的表征顯著相關。

　　這表明，CATS Net不僅在功能層面模擬了人類的概念認知，也在機制層面揭示了人腦概念形成與理解的計算原理。

　　意義何在

　　合作團隊表示，CATS Net來源于前額葉啟發的情境化信息處理模型，這也提示前額葉和情境化信息處理模型可能在人類概念認知中發揮了核心的作用。本項研究進展，為研發具備人類概念形成與應用能力的下一代智能系統奠定重要基礎。

　　當前，AI大語言模型能力仍受限于人類語言所限定的范疇，賦予他們自主形成新概念的能力有望促進其在更廣闊的領域發揮作用，比如從事全新的科學探索。

　　他們指出，當AI擁有了這種類人概念形成、理解與交流的能力之后，如何確保AI系統與人類的價值對齊，將成為下一步要解決的關鍵問題。(完)