近日，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取得重要突破，研究提出一种新型神经网络框架CATS Net，实现了类人的概念形成、理解和交流。相关成果已在国际学术期刊《自然·计算科学》在线发表。

人类智能的一个独特能力是能够从感官体验中抽象出概念，从而可以脱离感官体验，直接在概念空间进行思考和交流。一般认为，这种将高维感知“压缩”为低维概念，再由概念“重构”感知的双向过程构成了人类符号化思维的基础，进而支持了语言的产生。然而，当前的人工智能（AI）系统却难以实现这一过程：传统的深度网络往往将知识纠缠在海量的参数中，难以提取出独立的概念；而受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。这是当前AI与人脑之间的一个关键差别。

新型神经网络框架CATS Net自发形成的概念空间与人类语言构成的概念空间有明显的相似性，而且对于这些概念的表征也与人脑内的表征显著相关。这一研究为理解人类的概念认知提供了计算模型，为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础。

当前，大语言模型能力仍受限于人类语言所限定的范畴，赋予他们自主形成新概念的能力有望促进其在更广阔的领域发挥作用，比如从事全新的科学探索。当然，拥有了这种能力之后，如何确保这些系统与人类的价值对齐，将成为下一步要解决的关键问题。