在认知科学领域，人类如何从感官体验中抽象出概念符号，一直是困扰学界的核心问题。传统人工智能系统虽在特定任务表现优异，却长期面临"知其然不知其所以然"的困境——系统参数虽能存储海量知识，但无法像人脑那样建立可迁移、可解释的概念体系。这种局限性直接制约着机器实现真正意义上的智能交互。 针对该瓶颈问题，中科院自动化所余山团队与北大心理学院毕彦超团队开展跨学科攻关，创新性地提出"概念抽象-任务求解"双模块架构。研究显示，该系统处理视觉信息时，能自发将像素数据压缩为低维概念向量，通过动态门控机制实现知识迁移，这一过程与人脑语义网络运作原理高度相似。特别有一点是，通过功能磁共振成像比对，该系统形成的概念空间不仅与心理学模型匹配，其神经表征模式更与人类枕颞皮层活动呈现显著对应的性。 该研究的突破性价值体现在三个维度：在科学层面，首次通过计算模型验证了"概念形成源于感知压缩"的认知理论；在技术层面，为构建具备自主认知能力的智能系统开辟了新路径；在应用层面，这种类脑架构可大幅降低机器学习对标注数据的依赖，为医疗诊断、教育辅助等领域提供更接近人类思维模式的解决方案。 据项目负责人介绍，当前成果已通过《自然》子刊的严格评审，研究团队正着手开展语言概念建模的延伸研究。业内专家评价指出，这项研究标志着我国在类脑智能基础理论领域实现从"跟跑"到"并跑"的重要跨越，其采用的"认知科学+计算建模"交叉研究方法，为破解智能本质这一世纪难题提供了中国方案。
概念抽象能力是人类认知的关键。这项研究提示我们：以概念为核心构建智能系统，能在工程与科学间架起新桥梁。未来需要通过更多实验验证，推动概念智能从实验室走向实际应用。