搞科研的在北京那边弄出了个新型神经网络，想着让人工智能的思维方式更接近人脑。咱们都知道，人类大脑有个特别的本事，就是能从具体的感官体验中抽取出抽象的概念，不用看实物直接在概念里捣鼓。跟人脑相比，现在的AI系统最大的不同就在这儿了。这次中国科学院自动化研究所脑图谱与类脑智能实验室的团队，跟北京大学心理与认知科学学院的科研队伍联手，搞出来了个新架构，成功让AI能像人一样形成概念、理解概念，还能进行交流。论文最近发出来了。其实这个过程就是把那些高维的感官数据压缩成低维的概念，再用这个概念去还原感官感知。这套双向的机制就是咱们符号化思维的根基。可现在的深度网络往往把知识缠在一大堆参数里，很难理出单独的概念；而那些火得不行的AI大模型又太依赖人类现有的语言符号来训练，根本做不到真正的“无中生有”，也就是没法从感觉经验里自己蹦出新概念。为了解决这个难题，中国科学院自动化研究所的余山研究员带着他的团队，还有北京大学的毕彦超教授那一边，合作搞起了研究，最后拿出了一套新的神经网络框架。这套系统里面有个专门负责抽象的模块，它能自己把高维度的视觉信号压扁成短小精悍的“概念向量”。接下来就像开锁似的，这些概念向量能给神经网络发出开关信号。这个开关的动作就能让处理任务的模块活动起来，又快又灵活地解决特定的视觉问题。 更厉害的是，这个系统还能在跟环境打交道的时候自己生出一堆新概念，建立起属于自己的概念库。等到不同网络的概念库对上号了，大家就不用再从外面学了。只要通过概念向量在网络间传递消息就能实现交流。数据分析显示，这套东西不光在功能上模仿了人类的认知模式，在机制上也解释了人脑是怎么生成和理解概念的。不过现在的大语言模型能力其实还是被人类语言限定住了。搞研究的人也说了，要是能让AI自己生出新概念来，就能让它们在更大的范围里干活儿，比如搞全新的科学探索。这项研究为以后的智能系统奠定了很好的基础。当然了，以后怎么保证这些系统和人类的价值观合拍也是个大事儿。