人类智能具备从感官体验中抽象出概念的独特能力，能够脱离感官体验，直接在概念空间进行思考和交流——人工智能（AI）系统与人脑的关键差别也在于此。中国科学院自动化研究所脑图谱与类脑智能实验室和北京大学心理与认知科学学院科研团队合作，构建起新型神经网络框架，实现了类人的概念形成、理解和交流。相关研究成果近日发表。

将高维感知压缩为低维概念，再由概念重构感知的双向过程，构成了人类符号化思维的基础，进而支持了语言的产生。但传统的深度网络往往将知识纠缠在海量参数中，难以提取出独立的概念；受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。

围绕这一难题，中国科学院自动化研究所研究员余山团队、北京大学教授毕彦超团队合作展开研究，提出了一种新型神经网络框架。其中，概念抽象模块能自发将高维的视觉输入压缩成紧凑的低维“概念向量”。随后，这些概念向量如同开锁的钥匙，通过分层门控机制产生一系列“开关”信号，动态调节任务求解模块的神经网络活动，高效灵活完成特定的视觉感知任务。

这套系统还能根据与环境的互动自主生成大量新概念，并形成自己的概念空间。当不同神经网络所生成的概念空间匹配后，即可不用再从环境中学习，直接通过概念向量在网络间传递知识，实现模拟人类通过语言等符号来交流的过程。分析结果显示，该系统不仅在功能层面模拟了人类的概念认知，也在机制层面揭示了人脑概念形成与理解的计算原理。

当前，大语言模型的能力受限于人类语言所限定的范畴。科研团队表示，赋予AI自主形成新概念的能力，有望促进它们在更广阔的领域发挥作用，例如从事全新的科学探索。这项研究为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础，与此同时，如何确保这些系统与人类的价值相符，将成为接下来要解决的关键问题。

人类智能具备从感官体验中抽象出概念的独特能力，能够脱离感官体验，直接在概念空间进行思考和交流——人工智能（AI）系统与人脑的关键差别也在于此。中国科学院自动化研究所脑图谱与类脑智能实验室和北京大学心理与认知科学学院科研团队合作，构建起新型神经网络框架，实现了类人的概念形成、理解和交流。相关研究成果近日发表。

将高维感知压缩为低维概念，再由概念重构感知的双向过程，构成了人类符号化思维的基础，进而支持了语言的产生。但传统的深度网络往往将知识纠缠在海量参数中，难以提取出独立的概念；受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。

围绕这一难题，中国科学院自动化研究所研究员余山团队、北京大学教授毕彦超团队合作展开研究，提出了一种新型神经网络框架。其中，概念抽象模块能自发将高维的视觉输入压缩成紧凑的低维“概念向量”。随后，这些概念向量如同开锁的钥匙，通过分层门控机制产生一系列“开关”信号，动态调节任务求解模块的神经网络活动，高效灵活完成特定的视觉感知任务。

这套系统还能根据与环境的互动自主生成大量新概念，并形成自己的概念空间。当不同神经网络所生成的概念空间匹配后，即可不用再从环境中学习，直接通过概念向量在网络间传递知识，实现模拟人类通过语言等符号来交流的过程。分析结果显示，该系统不仅在功能层面模拟了人类的概念认知，也在机制层面揭示了人脑概念形成与理解的计算原理。

当前，大语言模型的能力受限于人类语言所限定的范畴。科研团队表示，赋予AI自主形成新概念的能力，有望促进它们在更广阔的领域发挥作用，例如从事全新的科学探索。这项研究为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础，与此同时，如何确保这些系统与人类的价值相符，将成为接下来要解决的关键问题。

人类智能具备从感官体验中抽象出概念的独特能力，能够脱离感官体验，直接在概念空间进行思考和交流——人工智能（AI）系统与人脑的关键差别也在于此。中国科学院自动化研究所脑图谱与类脑智能实验室和北京大学心理与认知科学学院科研团队合作，构建起新型神经网络框架，实现了类人的概念形成、理解和交流。相关研究成果近日发表。

将高维感知压缩为低维概念，再由概念重构感知的双向过程，构成了人类符号化思维的基础，进而支持了语言的产生。但传统的深度网络往往将知识纠缠在海量参数中，难以提取出独立的概念；受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。

围绕这一难题，中国科学院自动化研究所研究员余山团队、北京大学教授毕彦超团队合作展开研究，提出了一种新型神经网络框架。其中，概念抽象模块能自发将高维的视觉输入压缩成紧凑的低维“概念向量”。随后，这些概念向量如同开锁的钥匙，通过分层门控机制产生一系列“开关”信号，动态调节任务求解模块的神经网络活动，高效灵活完成特定的视觉感知任务。

这套系统还能根据与环境的互动自主生成大量新概念，并形成自己的概念空间。当不同神经网络所生成的概念空间匹配后，即可不用再从环境中学习，直接通过概念向量在网络间传递知识，实现模拟人类通过语言等符号来交流的过程。分析结果显示，该系统不仅在功能层面模拟了人类的概念认知，也在机制层面揭示了人脑概念形成与理解的计算原理。

当前，大语言模型的能力受限于人类语言所限定的范畴。科研团队表示，赋予AI自主形成新概念的能力，有望促进它们在更广阔的领域发挥作用，例如从事全新的科学探索。这项研究为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础，与此同时，如何确保这些系统与人类的价值相符，将成为接下来要解决的关键问题。

人类智能具备从感官体验中抽象出概念的独特能力，能够脱离感官体验，直接在概念空间进行思考和交流——人工智能（AI）系统与人脑的关键差别也在于此。中国科学院自动化研究所脑图谱与类脑智能实验室和北京大学心理与认知科学学院科研团队合作，构建起新型神经网络框架，实现了类人的概念形成、理解和交流。相关研究成果近日发表。

将高维感知压缩为低维概念，再由概念重构感知的双向过程，构成了人类符号化思维的基础，进而支持了语言的产生。但传统的深度网络往往将知识纠缠在海量参数中，难以提取出独立的概念；受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。

围绕这一难题，中国科学院自动化研究所研究员余山团队、北京大学教授毕彦超团队合作展开研究，提出了一种新型神经网络框架。其中，概念抽象模块能自发将高维的视觉输入压缩成紧凑的低维“概念向量”。随后，这些概念向量如同开锁的钥匙，通过分层门控机制产生一系列“开关”信号，动态调节任务求解模块的神经网络活动，高效灵活完成特定的视觉感知任务。

这套系统还能根据与环境的互动自主生成大量新概念，并形成自己的概念空间。当不同神经网络所生成的概念空间匹配后，即可不用再从环境中学习，直接通过概念向量在网络间传递知识，实现模拟人类通过语言等符号来交流的过程。分析结果显示，该系统不仅在功能层面模拟了人类的概念认知，也在机制层面揭示了人脑概念形成与理解的计算原理。

当前，大语言模型的能力受限于人类语言所限定的范畴。科研团队表示，赋予AI自主形成新概念的能力，有望促进它们在更广阔的领域发挥作用，例如从事全新的科学探索。这项研究为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础，与此同时，如何确保这些系统与人类的价值相符，将成为接下来要解决的关键问题。

人类智能具备从感官体验中抽象出概念的独特能力，能够脱离感官体验，直接在概念空间进行思考和交流——人工智能（AI）系统与人脑的关键差别也在于此。中国科学院自动化研究所脑图谱与类脑智能实验室和北京大学心理与认知科学学院科研团队合作，构建起新型神经网络框架，实现了类人的概念形成、理解和交流。相关研究成果近日发表。

将高维感知压缩为低维概念，再由概念重构感知的双向过程，构成了人类符号化思维的基础，进而支持了语言的产生。但传统的深度网络往往将知识纠缠在海量参数中，难以提取出独立的概念；受到广泛关注的AI大模型则高度依赖人类已有的语言符号进行训练，无法真正“从无到有”地从感知经验中自发形成概念。

围绕这一难题，中国科学院自动化研究所研究员余山团队、北京大学教授毕彦超团队合作展开研究，提出了一种新型神经网络框架。其中，概念抽象模块能自发将高维的视觉输入压缩成紧凑的低维“概念向量”。随后，这些概念向量如同开锁的钥匙，通过分层门控机制产生一系列“开关”信号，动态调节任务求解模块的神经网络活动，高效灵活完成特定的视觉感知任务。

这套系统还能根据与环境的互动自主生成大量新概念，并形成自己的概念空间。当不同神经网络所生成的概念空间匹配后，即可不用再从环境中学习，直接通过概念向量在网络间传递知识，实现模拟人类通过语言等符号来交流的过程。分析结果显示，该系统不仅在功能层面模拟了人类的概念认知，也在机制层面揭示了人脑概念形成与理解的计算原理。

当前，大语言模型的能力受限于人类语言所限定的范畴。科研团队表示，赋予AI自主形成新概念的能力，有望促进它们在更广阔的领域发挥作用，例如从事全新的科学探索。这项研究为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础，与此同时，如何确保这些系统与人类的价值相符，将成为接下来要解决的关键问题。