研究顯示多模態(tài)大模型可自發(fā)形成類人的物體概念表征
來源： 央視新聞客戶端
2025-06-09 18:42:00
記者今天（9日）從中國科學(xué)院自動化研究所獲悉，該研究所神經(jīng)計(jì)算與腦機(jī)交互課題組與中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心聯(lián)合團(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)多模態(tài)大語言模型（MLLMs）能夠自發(fā)形成與人類高度相似的物體概念表征系統(tǒng)。這項(xiàng)研究不僅為人工智能認(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。相關(guān)研究成果北京時間6月9日在國際學(xué)術(shù)期刊《自然· 機(jī)器智能》（Nature Machine Intelligence）發(fā)表。
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)我們看到狗、汽車或蘋果時，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。隨著ChatGPT等大語言模型（LLMs）的發(fā)展，一個根本性問題浮出水面：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？
傳統(tǒng)人工智能研究聚焦于物體識別準(zhǔn)確率，卻很少探討模型是否真正“理解”物體含義。該科研團(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)了一套融合計(jì)算建模、行為實(shí)驗(yàn)與腦科學(xué)的創(chuàng)新范式。研究采用認(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)，團(tuán)隊(duì)首次構(gòu)建了AI大模型的“概念地圖”。
研究人員從海量大模型行為數(shù)據(jù)中提取出66個“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)域的神經(jīng)活動模式顯著相關(guān)。
研究還對比了多個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，研究還揭示了人類在做決策時更傾向于結(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。本研究表明大語言模型內(nèi)部存在著類似人類對現(xiàn)實(shí)世界概念的理解。
（總臺央視記者 帥俊全 褚爾嘉）