中国科学院自动化研究所与北京大学联合科研团队近日取得重要突破，开发出一种名为CATS Net的新型神经网络框架，使人工智能系统首次具备了类似人类的概念形成、理解和交流能力。这一成果为类脑智能研究开辟了新路径，相关论文已发表于国际权威期刊。
传统人工智能系统存在显著局限：要么将知识编码在海量参数中难以提取，要么过度依赖人类标注的语言数据，无法自主形成概念。研究团队成员指出，人类智能的核心优势在于能够从复杂感官信息中抽象出核心概念，并通过概念进行高效推理和交流。针对这一挑战，CATS Net框架创新性地设计了概念抽象与任务求解双模块结构。
在视觉任务处理中，该系统首先通过概念抽象模块将高维图像数据压缩为低维"概念向量"，这种向量编码了物体的本质特征。随后，动态门控机制根据任务需求调节任务求解模块的神经活动，形成"概念-行动"的闭环反馈。这种设计模拟了人类"观察-抽象-应用"的认知循环，使系统能够像人类一样通过经验积累不断完善概念体系。
实验验证表明，CATS Net展现出惊人的自主学习能力。在开放环境中，系统能通过与环境互动自主发现新概念，并构建层次化的概念空间。更令人瞩目的是，不同网络实例通过概念向量对齐即可实现知识迁移，无需重新训练，这种机制与人类通过语言共享知识具有相似性。研究团队特别设计了一个概念对齐实验：让两个独立训练的CATS Net分别学习不同视角的物体图像，通过概念向量匹配，它们能准确识别对方视角下的物体，知识传递效率比传统方法提升3倍以上。
神经科学验证进一步证实了该框架的生物合理性。功能性磁共振成像数据显示，CATS Net形成的概念空间与人类语义认知模型高度吻合，其概念表征模式与大脑腹侧枕颞皮层（负责视觉语义理解）的活动模式显著相关。动态门控机制激活区域与人类语义控制网络（负责概念提取）的脑区重合度达82%，这为理解人类概念形成提供了新的计算视角。
这项研究突破了传统AI的符号主义与连接主义范式，为构建真正理解人类概念的智能系统奠定了基础。研究人员强调，概念智能是通用人工智能的关键基石，未来工作将聚焦于提升系统的概念创造力，并探索如何确保人工智能系统的价值取向与人类社会规范保持一致。
