北京科研团队构建新型神经网络，实现类人概念形成、理解与交流

人类智能具备从感官体验中抽象出概念的独特能力，能够脱离感官体验，直接在概念空间进行思考和交流，人工智能（AI）系统与人脑的关键差别也在于此。中国科学院自动化研究所脑图谱与类脑智能实验室与北京大学心理与认知科学学院科研团队合作，构建起新型神经网络框架，实现了类人的概念形成、理解和交流。2月27日，记者从中国科学院自动化研究所获悉，相关研究成果已在国际学术期刊《自然·计算科学》发表。

研究成果概念图（AI生成，科研团队供图）

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。但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；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。

围绕这一难题，中国科学院自动化研究所研究员余山团队、北京大学教授毕彦超团队合作展开研究，提出新型神经网络框架CATS Net。其中，概念抽象（CA）模块能自发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”，通过分层门控机制产生一系列“开关”信号，动态调节任务求解（TS）模块的神经网络活动，高效灵活完成特定的视觉感知任务。

这套系统还能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匹配后，即可不用再从环境中学习，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。

功能磁共振成像的表征相似性分析结果显示，该系统生成的概念空间不仅与心理学上的人类认知语义模型高度一致，表征模式还与人类大脑中负责视觉语义表征的腹侧枕颞皮层活动模式显著相关。同时，CA模块的动态门控机制，则与大脑中负责概念提取与操控的语义控制网络活动模式相吻合。这表明，该系统不仅在功能层面模拟了人类的概念认知，同时也在机制层面揭示了人脑概念形成与理解的计算原理。

当前，大语言模型的能力受限于人类语言所限定的范畴。科研团队表示，赋予AI自主形成新概念的能力，有望促进它们在更广阔的领域发挥作用，例如从事全新的科学探索。这项研究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了重要基础，与此同时，如何确保这些系统与人类的价值相符，将成为接下来要解决的关键问题。

来源：北京日报客户端

记者：刘苏雅