人類擅長從具體經驗中總結出抽象概念，比如見過幾次狗，腦子里就有了“狗”的概念。之后再看到“狗”這個字，又能聯想到狗的樣子，也能用狗的概念進行進一步的思考。但AI目前還很難自己學會這個。2月27日從中國科學院自動化研究所獲悉，該所與北京大學的科研人員合作開發出一種新型神經網絡框架CATS Net，成功讓AI系統具備了類似人類的概念形成、理解和交流能力。相關研究成果在線發表于《自然-計算科學》雜志。
人類之所以聰明，很大程度上在于能從紛繁復雜的感官世界中提煉出核心概念。“然而，當前主流AI系統要么將知識混雜在海量參數中難以提取，要么高度依賴人類已有的語言數據進行訓練，無法像人一樣自主形成概念。”論文共同通訊作者、中國科學院自動化研究所副研究員陳陽介紹。
針對這一難題，研究團隊提出了CATS Net神經網絡框架。它包含概念抽象與任務求解兩個核心模塊。在處理視覺任務時，概念抽象模塊能將高維視覺輸入自動壓縮成緊湊的“概念向量”，再通過門控機制動態調節任務求解模塊的神經活動，指導其完成具體任務。這一過程模擬了人類從經驗中總結概念、再用概念指導行動的雙向認知機制。
實驗顯示，該系統可以根據與環境互動自主生成新概念，形成自己的“概念空間”。當不同網絡的概念空間實現對齊后，它們可以直接通過概念向量傳遞知識，無需再從頭學習，這模擬了人類通過語言進行交流的過程。
研究團隊還將CATS Net形成的概念表征與人類大腦活動數據進行對比。功能性磁共振成像分析表明，該網絡形成的概念空間不僅與心理學上的人類語義認知模型高度一致，其表征模式還與人類大腦中負責視覺語義理解的腹側枕顳皮層活動顯著相關。同時，該網絡的動態門控機制與大腦中負責概念提取的語義控制網絡活動模式吻合，揭示了人腦概念形成與理解的潛在計算原理。
論文共同通訊作者、中國科學院自動化所研究員余山表示，這項研究為理解人類概念認知提供了新的計算模型，也為研發具有類人概念智能的人工智能系統奠定了基礎。未來，賦予AI自主形成新概念的能力，有望促進其在更廣闊領域發揮作用，如從事科學探索等。同時，如何確保這類系統與人類價值對齊，將是下一步研究的關鍵問題。
