【环球网科技综合报道】6月10日消息，人类具有将自然界中的物体概念化的能力，这被认为是人类智能的核心特征之一。举例来说，当我们看到“狗”“汽车”或“苹果”时，不仅能够识别它们的物理属性（如尺寸、颜色、形状等），还能够理解它们的功能、情感价值以及文化内涵——这种多维度的概念结构构成了人类认知的基础。

那么，大语言模型（LLMs）是否能够通过语言和多模态数据发展出与人类相似的物体概念呢？

最近，中国科学院自动化研究所的神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的团队联合展开研究，通过行为实验和神经影像分析，首次确认多模态大语言模型（MLLMs）能够自发形成与人类高度相似的物体概念表征系统。

据了解，传统的人工智能研究往往专注于物体识别的准确性，但很少探讨模型是否真正“理解”物体的内涵。论文的通讯作者何晖光研究员指出：“目前的AI能够区分猫和狗的图片，但这种‘识别’与人类对猫狗的‘理解’之间的本质差异仍需深入探讨。”团队基于认知神经科学的经典理论，设计了一种结合计算建模、行为实验和脑科学的创新研究模式。他们采用了经典的认知心理学实验“三选一异类识别任务”，要求大模型与人类从物体概念的三元组（基于1854种日常概念的任意组合）中选出最不相似的选项。通过分析470万次的行为判断数据，研究团队首次构建了AI大模型的“概念地图”。

研究人员从大量的模型行为数据中提取出66个“心智维度”，并为这些维度赋予了语义标签。研究结果表明，这些维度具有高度可解释性，并且与大脑中处理类别选择的区域（如处理面孔的FFA、处理场景的PPA、处理躯体的EBA）的神经活动模式显著相关。

此外，研究还比较了多个模型在行为选择模式上与人类的一致性。结果显示，多模态大模型（例如Gemini_Pro_Vision、Qwen2_VL）在这一方面的表现更为优越。研究还发现，人类在决策时更倾向于结合视觉特征与语义信息，而大模型则更依赖于语义标签和抽象概念。本研究表明，大语言模型并非仅仅是“随机鹦鹉”，其内部确实存在类似人类对现实世界概念的理解。

相关研究成果以《Human-like object concept representations emerge naturally in multimodal large language models》为题，发表在《自然·机器智能》（Nature Machine Intelligence）期刊上。（青山）