中国科学院自动化研究所脑图谱与类脑智能实验室余山团队，给北京大学心理与认知科学学院毕彦超团队出了一个大难题，他们合作研究，硬是搞出了一种叫CATS Net的新型神经网络框架，把类人概念形成、理解和交流都给实现了。这个框架最厉害的地方在于，它能让神经网络自发地去把感官体验里的高维信息给“压”成低维的概念空间，这和人类语言构成的概念空间简直太像了。研究人员拿着功能磁共振成像（MRI）的表征相似性分析（RSA）工具一测，发现CATS Net生成的概念不仅跟心理学上的认知模型高度重合，就连里面的脑电活动模式都跟人类负责视觉语义的腹侧枕颞皮层一样。这说明它不光是功能上模拟了人脑，连运作机制都给弄明白了。 毕彦超和余山他们把整个过程拆分成了两个部分：概念抽象（CA）模块和任务求解（TS）模块。CA模块就像一个筛选器，专门把眼睛看到的大量视觉信息给压缩成几个小“概念向量”。这些向量就像是开锁的钥匙一样，通过分层门控机制产生了一系列开关信号。这些信号会动态地调节TS模块里的神经活动，让它能够灵活高效地完成特定任务。系统可以根据跟环境的互动自动生成大量新概念。当不同神经网络生成的概念空间对齐之后，它们就不再需要从环境中重新学习知识了，而是直接通过概念向量在网络间传递消息。这就好比人类通过语言交流的方式一样。 传统的深度网络有个大毛病，就是知识都藏在海量的参数里，很难提取出独立的概念。而那些热门的AI大模型虽然也很厉害，但太依赖人类现成的语言符号进行训练了。它们无法像真正的人类一样从无到有地从感知经验中自发形成概念。CATS Net正好解决了这个痛点。它让AI系统能够先从感官体验里抽象出概念，然后脱离具体的感知直接在概念空间里思考和交流。这种把高维感知“压缩”成低维概念再进行重构的双向过程就是人类符号化思维的基础。这个发现为建立具有类人概念智能的人工智能系统打下了坚实的基础。相关成果已经在线发表在了国际顶级期刊《自然•计算科学》上。 这个团队的研究成果非常有意义。它为理解人类的概念认知提供了计算模型。这个模型展示了人工智能如何能够像人类一样形成和理解概念。这对未来AI的发展有着深远的影响。（团队提供概念图）这个研究还表明了人工智能（AI）系统与人类大脑之间存在的一个关键差别：AI很难从无到有地生成新概念。但这次CATS Net成功地填补了这个空白。它让AI能够从感知经验中自发形成概念空间。这种技术突破将推动人工智能的发展进入一个新的阶段。