我国科研团队首次证实，人工智能可自发形成人类级认知

我国科研团队结合行为实验与神经影像分析(fēnxī)，首次证实多模态大语言模型能自发(zìfā)形成与人类高度相似的物体概念表征系统。6月9日，相关研究成果在《自然(zìrán)·机器智能》发表。 实验范式示意图。人类对(duì)自然界中的物体(wùtǐ)进行概念化的认知能力，被视为人类智能的核心。当人们看到“狗”“汽车”或“苹果”时，不仅能识别它们的尺寸、颜色、形状等(děng)物理特征，还能理解其功能(gōngnéng)、情感价值和文化意义。而随着大语言模型的爆发式发展，一个根本性问题浮现：这些大模型能否从(cóng)语言和多模态(mótài)数据中，发展出与人类相似的物体概念表征？ 传统人工智能(réngōngzhìnéng)(réngōngzhìnéng)研究聚焦于物体识别准确率，却很少探讨模型是否能真正“理解”物体的含义。“当前人工智能可以区分猫狗图片，但这种‘识别’与人类‘理解’猫狗的本质区别仍有待揭示。”论文(lùnwén)通讯作者、中国科学院自动化研究所研究员何晖光(héhuīguāng)说。 科研团队通过分析470万次行为(xíngwéi)判断(pànduàn)数据，首次构建了人工智能大模型的“概念(gàiniàn)地图”，并从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与(yǔ)脑科学的创新范式。从海量大模型行为数据中，他们提取出66个“心智维度”，并赋予语义标签。这些维度具有高度的可解释性，且与大脑类别(lèibié)选择区域的神经活动模式显著相关。研究(yánjiū)还对比了多个模型在行为选择模式上与人类的一致性。结果显示，多模态大模型在一致性方面表现更优。该研究表明，大语言模型内部(nèibù)存在着类似人类对现实(xiànshí)世界概念的理解(lǐjiě)，即人工智能的“心智维度”与人类殊途同归。 来源：北京日报(běijīngrìbào)客户端