中新網(wǎng)北京6月9日電 (記者 孫自法)人工智能(AI)能否像人類一樣認(rèn)知和理解事物？中國科學(xué)家團(tuán)隊(duì)結(jié)合行為實(shí)驗(yàn)與神經(jīng)影像分析首次證實(shí)，基于人工智能技術(shù)的多模態(tài)大語言模型能夠自發(fā)形成與人類高度相似的物體概念表征系統(tǒng)，即人工智能可自發(fā)形成人類級認(rèn)知。

　　該項(xiàng)研究由中國科學(xué)院自動(dòng)化研究所(自動(dòng)化所)神經(jīng)計(jì)算與腦機(jī)交互團(tuán)隊(duì)、中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心團(tuán)隊(duì)等聯(lián)合完成，相關(guān)成果論文6月9日在國際專業(yè)學(xué)術(shù)期刊《自然·機(jī)器智能》上線發(fā)表。這不僅為人工智能認(rèn)知科學(xué)開辟了新路徑，更為構(gòu)建類人認(rèn)知結(jié)構(gòu)的人工智能系統(tǒng)提供了理論框架。

　　論文第一作者、中國科學(xué)院自動(dòng)化所杜長德副研究員介紹說，人類能夠?qū)ψ匀唤缰械奈矬w進(jìn)行概念化，這一認(rèn)知能力長期以來被視為人類智能的核心。當(dāng)人們看到“狗”“汽車”或“蘋果”時(shí)，不僅能識別它們的物理特征(尺寸、顏色、形狀等)，還能理解其功能、情感價(jià)值和文化意義，這種多維度的概念表征構(gòu)成了人類認(rèn)知的基石。

　　近年來，隨著ChatGPT等大語言模型的爆發(fā)式發(fā)展，這些大模型能否從語言和多模態(tài)數(shù)據(jù)中發(fā)展出類似人類的物體概念表征，這一根本性問題也浮出水面，備受關(guān)注。

　　論文通訊作者、中國科學(xué)院自動(dòng)化所何暉光研究員指出，傳統(tǒng)人工智能研究聚焦于物體識別準(zhǔn)確率，卻鮮少探討模型是否真正“理解”物體含義?！爱?dāng)前AI能區(qū)分貓狗圖片，但這種‘識別’與人類‘理解’貓狗的本質(zhì)區(qū)別仍有待揭示”。

　　在本項(xiàng)研究中，研究團(tuán)隊(duì)從認(rèn)知神經(jīng)科學(xué)經(jīng)典理論出發(fā)，設(shè)計(jì)出一套融合計(jì)算建模、行為實(shí)驗(yàn)與腦科學(xué)的創(chuàng)新范式。他們采用認(rèn)知心理學(xué)經(jīng)典的“三選一異類識別任務(wù)”，要求大模型與人類從物體概念三元組(來自1854種日常概念的任意組合)中選出最不相似的選項(xiàng)。通過分析470萬次行為判斷數(shù)據(jù)，研究團(tuán)隊(duì)首次構(gòu)建了人工智能大模型的“概念地圖”。

　　在此基礎(chǔ)上，研究團(tuán)隊(duì)從海量大模型行為數(shù)據(jù)中提取出66個(gè)“心智維度”，并為這些維度賦予了語義標(biāo)簽。研究發(fā)現(xiàn)，這些維度是高度可解釋的，且與大腦類別選擇區(qū)域(如處理面孔、場景、軀體等信息的區(qū)域)的神經(jīng)活動(dòng)模式顯著相關(guān)。

　　研究團(tuán)隊(duì)進(jìn)一步對比了多個(gè)模型在行為選擇模式上與人類的一致性，結(jié)果顯示，多模態(tài)大模型在一致性方面表現(xiàn)更優(yōu)。此外，該研究還揭示，人類在做決策時(shí)更傾向于結(jié)合視覺特征和語義信息進(jìn)行判斷，而大模型則傾向于依賴語義標(biāo)簽和抽象概念。

　　何暉光表示，本項(xiàng)實(shí)現(xiàn)從“機(jī)器識別”到“機(jī)器理解”跨越的研究表明，大語言模型并非“隨機(jī)鸚鵡”，而是內(nèi)部存在著類似人類對現(xiàn)實(shí)世界概念的理解，其核心發(fā)現(xiàn)是人工智能的“心智維度”與人類殊途同歸。(完)