我们的团队首次确认人工智能可以自愿形成对人类水平的认识水平

人们将能够在自然界中概念化事物，这是一种长期以来被认为是基本人类智力的能力。当我们看到“狗”，“汽车”或“苹果”时，我们不仅可以确定它们的物理特性（大小，颜色，形状等），而且还可以理解它们的功能，情感价值和文化重要性 - 概念的多维表示会为人类识别的基础提供了基础。在大型语言模型（LLM）（例如chatgpt）的爆炸开发中，出现了一个关键问题：这些大型模型是否可以开发出来自语言和多模式数据的概念概念？最近，中国科学学院自动化研究所和中国科学学院卓越科学学院自动化研究所的神经计算机研究团队和大脑联系（NEUBCI）研究团队联合团队，中国科学院的脑科学与智能技术中心，结合了神经图像行为和研究实验，以确认第一个RE多模式人（MLLM）多模式表示的演示可以做代表人民研究表征的事情。它将为人工智能认知科学开辟新的道路，但也为开发具有类似人类结构的人工智能系统提供了理论框架。相关的研究结果已在“自然机器智能”中发表在“人类概念表示”的标题中，这些概念表示自然而然。 ？从“机械识别”到“理解机器”的传统人工研究集中在对象识别的准确性上，但是很少讨论该模型是否真正“可以理解”事物的含义。研究员Huiguang（相应的论文）指出：“目前，人工智能可以区分猫和狗，但是'身份'和对人与人和狗的理解之间的重要区别”ED包括计算建模，基于经典的“认知心理学三胞胎和科学实验”的创新范式（根据1,854个每日概念的任何组合）。g 470万个谨慎数据，该团队首次构建了AI模型的“地图概念”。 ？核心发现：AI的“思维维度”维度和人们的不同道路具有相同的财富。研究人员从大规模的大规模行为数据中采取了66个“心理测量”，并给出了这些语义标签测量值。研究发现，这些维度是完全解释的，并且与大脑类别选择领域的神经活动模式有显着相关（例如用于处理面的FFA，用于处理场景的PPA和用于SOMA处理的EBA）。这项研究还将同一人与许多模型的行为选择模式进行了比较。结果表明，大型多模式模型（例如gemini_pro_vision，qwen2_vl）在bein中的性能更好gkapare -sa。此外，研究还宣布，在做出决策时，人们倾向于将视觉特征和语义信息结合起来以酌情决定，而大型模型倾向于依靠语义标签和抽象概念。这项研究表明，大语言模型不是“随机鹦鹉”，并且对现实世界的概念有人类的理解。自动化研究所的副研究人员杜·昌德（Du Changde）是第一个设置论文的人，居民的研究人员是相应的论文。主要合作还包括来自大脑和智力卓越中心的Chang Le研究人员。这项研究由中国科学院基础和跨境科学研究先驱项目，中国国家自然科学基金会，中国北京自然科学基金会以及国家脑认知和类似脑型智力的国家关键实验室资助。纸张信息：宾州凯奇·富（Changde du）Wen，Yi Sun，Jie Peng，Wei Wei，Ying Gao，Shengpei Wang，Chuncheng Zhang，Jinpeng Li，Shuang Qiu，Le Chang，Huiguang He。人类概念概念的表示自然出现在大语言模型中。自然情报（2025）.doi：10.1038/s42256-025-01049-Z