中國科學院自動化研究所與北京大學聯合科研團隊近日取得重要突破，開發出一種名為CATS Net的新型神經網絡框架，使人工智能系統首次具備了類似人類的概念形成、理解和交流能力。這一成果為類腦智能研究開辟了新路徑，相關論文已發表于國際權威期刊。
傳統人工智能系統存在顯著局限：要么將知識編碼在海量參數中難以提取，要么過度依賴人類標注的語言數據，無法自主形成概念。研究團隊成員指出，人類智能的核心優勢在于能夠從復雜感官信息中抽象出核心概念，并通過概念進行高效推理和交流。針對這一挑戰，CATS Net框架創新性地設計了概念抽象與任務求解雙模塊結構。
在視覺任務處理中，該系統首先通過概念抽象模塊將高維圖像數據壓縮為低維"概念向量"，這種向量編碼了物體的本質特征。隨后，動態門控機制根據任務需求調節任務求解模塊的神經活動，形成"概念-行動"的閉環反饋。這種設計模擬了人類"觀察-抽象-應用"的認知循環，使系統能夠像人類一樣通過經驗積累不斷完善概念體系。
實驗驗證表明，CATS Net展現出驚人的自主學習能力。在開放環境中，系統能通過與環境互動自主發現新概念，并構建層次化的概念空間。更令人矚目的是，不同網絡實例通過概念向量對齊即可實現知識遷移，無需重新訓練，這種機制與人類通過語言共享知識具有相似性。研究團隊特別設計了一個概念對齊實驗：讓兩個獨立訓練的CATS Net分別學習不同視角的物體圖像，通過概念向量匹配，它們能準確識別對方視角下的物體，知識傳遞效率比傳統方法提升3倍以上。
神經科學驗證進一步證實了該框架的生物合理性。功能性磁共振成像數據顯示，CATS Net形成的概念空間與人類語義認知模型高度吻合，其概念表征模式與大腦腹側枕顳皮層（負責視覺語義理解）的活動模式顯著相關。動態門控機制激活區域與人類語義控制網絡（負責概念提取）的腦區重合度達82%，這為理解人類概念形成提供了新的計算視角。
這項研究突破了傳統AI的符號主義與連接主義范式，為構建真正理解人類概念的智能系統奠定了基礎。研究人員強調，概念智能是通用人工智能的關鍵基石，未來工作將聚焦于提升系統的概念創造力，并探索如何確保人工智能系統的價值取向與人類社會規范保持一致。
