2月27日，中国科学院自动化研究所发布的研究报告指出，传统的深度神经网络往往将知识分散在海量参数中，难以从中提炼出独立的概念；而备受关注的AI大型模型则高度依赖人类已有的语言符号进行训练，无法真正实现“从无到有”地自发从感知经验中生成概念。这正是当前AI与人类大脑之间的一个关键区别。

近期，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与北京大学心理与认知科学学院毕彦超团队的合作研究为解决这一难题带来了重要突破。该研究提出了一种名为CATS+Net的新型神经网络框架，能够实现类人的概念形成、理解和交流能力。有趣的是，神经网络自发形成的概念空间与人类语言构成的概念空间具有显著的相似性，并且这些概念的表征与大脑内部的表征也呈现出高度相关性。这项研究不仅为理解人类的概念认知提供了计算模型，同时也为构建具备类人概念智能的AI系统奠定了重要基础。相关成果已在线发表于国际学术期刊《自然·计算科学》。