研究首次證實多模態大模型湧現類人物體概念表徵

【環球網科技綜合報道】6月11日消息，據《自然-機器智能》（Nature Machine Intelligence）報道稱，近日，中國科學院自動化研究所與腦科學與智能技術卓越創新中心合作，結合行為實驗與神經影像分析，首次證實多模態大語言模型（MLLMs）能夠自發形成與人類高度相似的物體概念表徵系統。這項研究為人工智能認知科學開闢了新路徑，更為構建類人認知結構的人工智能系統提供了理論框架。

據介紹，人類能夠對自然界中的物體進行概念化，這一認知能力長期以來被視為人類智能的核心。當我們看到“狗”“汽車”或“蘋果”時，不僅能識別它們的物理特徵即尺寸、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徵構成了人類認知的基石。隨着ChatGPT等大語言模型（LLMs）的爆發式發展，一個根本性問題引起學界關注——這些大模型能否從語言和多模態數據中發展出類似人類的物體概念表徵？

傳統的人工智能研究聚焦於物體識別準確率，卻鮮少探討模型是否真正“理解”物體含義。

對此，自動化所研究員何暉光提出，“當前AI能區分貓狗圖片，但這種‘識別’與人類‘理解’貓狗的本質區別仍有待揭示。”該團隊從認知神經科學經典理論出發，設計了一套融合計算建模、行為實驗與腦科學的創新範式。團隊採用認知心理學經典的“三選一異類識別任務”，要求大模型與人類在物體概念三元組中選出最不相似的選項。通過分析470萬次行為判斷數據，團隊首次構建了AI大模型的“概念地圖”。

該研究在海量大模型行為數據中提取出66個“心智維度”，併為這些維度賦予語義標籤。研究發現，這些維度是高度可解釋的，且與大腦類別選擇區域的神經活動模式顯著相關。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。結果顯示，多模態大模型在一致性方面表現更優。

進一步，研究發現，人類在做決策時更傾向於結合視覺特徵和語義信息進行判斷，而大模型則傾向於依賴語義標籤和抽象概念。研究表明，大語言模型內部存在着類似人類對現實世界概念的理解。（青雲）