传统人工智能研究聚焦于物体识别准确率，却鲜少探讨模型是否真正"理解"物体含义。何晖光说："当 前人工智能可以区分猫狗图片，但这种'识别'与人类'理解'猫狗的本质区别仍有待揭示。" 研究团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式，并 构建了人工智能大模型的"概念地图"。 何晖光介绍，研究团队从海量大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。通过研究发现这些维度是高度可解释的，且与大脑类别选择区域的神经活动模式显著相关。研究还 对比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在一致性方面表现更优。 此外，研究还揭示了人类在做决策时更倾向于结合视觉特征和语义信息进行判断，而大模型则倾向于依 赖语义标签和抽象概念。本研究表明大语言模型内部存在着类似人类对现实世界概念的理解。（记者宋 晨） 记者6月9日从中国科学院自动化研究所获悉，该所与中国科学院脑科学与智能技术卓越创新中心的联合 团队在《自然·机器智能》发表相关研究，首次证实多模态大语言模型能够自发形成与人类高度相似的 物体概念表征系统，为人工智能认知科学提供了新路径，也为构建类人 ...