中國日報2月27日電（記者 李夢涵）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，當前的人工智能（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。這是當前AI與人腦之間的一個關鍵差別。
近日，中國科學院自動化研究所腦圖譜與類腦智能實驗室余山團隊與北京大學心理與認知科學學院畢彥超團隊的合作研究為解決這一難題提供了重要突破。該研究提出了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。有趣的是，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。這一研究為理解人類的概念認知提供了計算模型，同時為建立具有類人概念智能的人工智能系統打下了基礎。相關成果已在線發表于國際學術期刊《自然·計算科學》（Nature Computational Science）。
該研究提出的CATS Net包含兩個核心模塊：概念抽象（CA）模塊與任務求解（TS）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。這模擬了人類概念的形成和理解。
系統可以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。
進一步，研究團隊將 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了對比。功能磁共振成像（fMRI）的表征相似性分析（RSA）顯示，CATS Net 生成的概念空間不僅與心理學上的人類認知語義模型高度一致，其表征模式還與人類大腦中負責視覺語義表征的腹側枕顳皮層活動模式顯著相關。同時，CA模塊的動態門控機制則與腦中負責概念提取與操控的語義控制網絡活動模式相吻合。這表明，CATS Net不僅在功能層面模擬了人類的概念認知，同時也在機制層面揭示了人腦概念形成與理解的計算原理。
CATS Net來源于前額葉啟發的情境化信息處理模型（CDP），這也提示了前額葉和CDP可能在人類概念認知中發揮了核心的作用。該工作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了重要基礎。當前，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。當然，擁有了這種能力之后，如何確保這些系統與人類的價值對齊，將成為下一步要解決的關鍵問題。
本研究的共同第一作者為中國科學院自動化研究所博士研究生郭良軒、北京大學博士研究生陳昊揚及中國科學院自動化研究所陳陽副研究員；中國科學院自動化研究所余山研究員、北京大學畢彥超教授與中國科學院自動化研究所陳陽副研究員為共同通訊作者。研究工作得到中國科學院基礎研究領域青年團隊計劃、國家自然科學基金委、中國科學院戰略先導專項等資助。
掃碼下載
中文網微信