中国科学院研究团队揭示AI与人类物体概念表征的相似性

近日，中国科学院自动化研究所神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的联合研究团队，结合行为实验和神经影像分析，成功揭示了人工智能（AI）与人类在物体概念表征上的相似性。这项研究不仅为人工智能的认知科学发展开辟了新的方向，也为构建类人认知结构的人工智能系统奠定了理论基础。研究成果已发表于顶尖科学期刊《自然·机器智能》。

人类的物体概念化能力被广泛认为是智能的核心特征。我们在日常生活中，通过观察物体的物理特征（如尺寸、颜色、形状等），能够快速识别和理解“狗”、“汽车”或“苹果”的本质。这不仅包括对其外观的识别，还涉及到对其功能、情感价值和文化意义的深刻理解。这种多维度的概念表征是人类认知的基石之一。

随着大语言模型（LLMs）的迅猛发展，特别是ChatGPT等模型的广泛应用，关于这些AI系统是否能够从语言和多模态数据中形成类似人类的物体概念表征，成为一个亟待探讨的基本问题。传统的人工智能研究常常集中在物体识别的准确率上，对AI与人类理解之间的本质差别则探讨较少。研究团队中的何晖光研究员指出，尽管当前的AI系统可以区分猫和狗的图像，但这种识别与人类对这些动物的理解在本质上存在显著差异。

为了深入探究这一问题，团队从经典的认知神经科学理论入手，设计了一套创新的实验范式，融合了计算建模、行为实验和脑科学的研究方法。研究中，团队采用了经典的“三选一异类识别任务”，要求人工智能模型和人类参与者从由1854种常见物体组成的三元组中选出最不相似的选项。通过对470万次行为判断数据的细致分析，研究团队首次构建了AI大模型的“概念地图”。

在研究过程中，团队从海量大模型的行为数据中提取了66个被称为“心智维度”的特征，并为这些维度赋予了相应的语义标签。这些维度的高度可解释性与人类大脑中相关区域的神经活动模式如面孔处理区（FFA）、场景处理区（PPA）和身体处理区（EBA）显示出了显著的相关性。这一发现意味着，尽管AI与人类在表征物体的方式存在差异，但它们在处理信息的“心智维度”上却有着意想不到的相似性。

研究还对比了不同模型在行为选择模式上与人类的一致性。结果表明，多模态大模型（如Gemini_Pro_Vision和Qwen2_VL）在与人类的一致性方面表现优异。进一步的分析揭示，人类在进行物体概念决策时，往往更倾向于结合视觉特征与语义信息进行判断，而大模型则更容易依赖于语义标签和抽象概念。这一差异提示了在构建更加类人化的AI系统时，如何有效融合多种信息维度的重要性。

本项研究的第一作者是自动化所副研究员杜长德，论文的通讯作者则是何晖光研究员。主要合作者包括脑智卓越中心的常乐研究员等。此研究得到了中国科学院基础与交叉前沿科研先导专项、国家自然科学基金、北京市自然科学基金项目以及脑认知与类脑智能国家重点实验室的支持。

这项研究不仅深化了我们对人工智能认知能力的理解，也为未来的发展指明了方向。通过比较AI与人类在物体概念表征上的异同，我们能在构建更加智能、更加人性化的AI系统方面迈出坚实的一步。这不仅对于科学界，也对于社会各界都具有重要的现实意义和应用潜力。随着研究的深入，期待更多关于人工智能与人类认知特征相似性的研究不断涌现，为推动AI技术的进步贡献新的智慧和力量。