北京这边搞出了个新招，给人工智能的思维方式改得更像人。咱们人脑有个本事，就是能从眼耳朵鼻子这些感官体验里头，把抽象的概念给抽出来。有了这招，人就不用非得看个实物或者听个声音，光靠脑子在概念空间里瞎琢磨就行。可AI系统跟人脑最大的不同就在这儿。 中国科学院自动化研究所的脑图谱与类脑智能实验室，还有北京大学心理与认知科学学院的这两队人马，凑一块儿搞了个新的神经网络框架。这玩意儿能让人AI像人一样搞懂啥叫概念，还能自己交流。 咱们人脑之所以能讲出语言，是因为脑子里头先把高维的感知压成了低维的概念，再用概念把感知给还原回来。这种来回倒腾的过程就叫符号化思维。可传统的深度网络太蠢了，把知识全锁在一堆海量参数里头，根本抠不出来啥独立的概念。现在那些大火的AI大模型也不咋地，它们是完全靠人现有的语言符号喂出来的，压根不能自己从看到的东西里无中生有地冒出新概念。 为了对付这个难题，中科院自动化所的余山研究员带了一队人马，跟北大的毕彦超教授的团队一块儿干。他们提出了一种新型框架。里头有个专门干抽象活儿的模块，它能把高维的视觉信号死死压成紧凑的低维“概念向量”。这些向量就像是开了挂的钥匙。 接着这套钥匙通过分层门控机制，生成了一堆开关信号。这些开关信号能像指挥棒似的，动态调整任务求解模块里头的神经活动。这样一来，系统就能既高效又灵活地去干特定的视觉感知任务了。 更绝的是这系统还能自己跟环境互动着玩，生出一大堆新概念，然后慢慢搭出自己的概念空间。等到不同神经网络产生的概念空间对上了路子，就不用再费劲去学环境里的新东西了。大家直接把概念向量给传过去就行了，就跟咱们人说话交流一个样。 数据一分析发现，这玩意儿不光在功能上做得像人类大脑那样认知概念，在原理上也把人脑咋形成概念的计算过程给扒了出来。现在的大语言模型能力有限，全被死死困在人类语言定的框框里。科研团队说，要是能把这自主形成新概念的能力给机器装上，它们说不定能干出以前想都不敢想的新科学探索来。 这项研究算是给未来那种具备人类概念形成和应用能力的智能系统打下了重要的地基。不过话说回来，接下来最关键的问题就是怎么让这些系统不犯傻不做坏事，跟咱们人类的价值观念对上。