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，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(biǎozhēng)系统。6月9日，相关(xiāngguān)研究成果在《自然·机器智能》发表。 实验(shíyàn)范式示意图。人类对自然界(zìránjiè)中的物体进行概念化的认知能力，被视为人类智能的核心。当(dāng)人们看到“狗”“汽车”或“苹果”时，不仅能识别(shíbié)它们的尺寸、颜色、形状等物理特征，还能理解其功能、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(zhèxiē)大模型能否从语言和多模态数据中，发展出与(yǔ)人类相似的物体概念表征？ 传统人工智能(réngōngzhìnéng)研究聚焦于物体识别准确率，却(què)很少探讨模型是否能真正“理解(lǐjiě)”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。”论文通讯作者、中国科学院自动化研究所研究员何晖光说(shuō)。 科研团队通过分析470万次行为判断数据，首次构建了人工智能大模型的(de)“概念地图”，并从(cóng)认知神经科学经典理论出发，设计了一套(yītào)融合计算建模、行为实验与脑科学的创新范式。从海量大模型行为数据中，他们提取出66个“心智(xīnzhì)维度”，并赋予语义标签。这些维度具有高度的可解释性，且与大脑类别选择区域(qūyù)的神经活动模式显著相关。研究还(hái)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(jiéguǒxiǎnshì)，多模态大模型在一致性方面(fāngmiàn)表现更优。该(gāi)研究表明，大语言模型内部存在着类似人类对现实世界概念的理解，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