研究显示多模态大模子可自觉构成类人的物体概

　　记者今天（9日）从中国科学院从动化研究所获悉，该研究所神经计较取脑机交互课题组取中国科学院脑科学取智能手艺杰出立异核心结合团队连系行为尝试取神经影像阐发，这项研究不只为人工智能认知科学斥地了新径，更为建立类人认知布局的人工智能系统供给了理论框架。相关研究时间6月9日正在国际学术期刊《天然· 机械智能》（Nature Machine Intelligence）颁发。人类可以或许对天然界中的物体进行概念化，这一认知能力持久以来被视为人类智能的焦点。当我们看到狗、汽车或苹果时，不只能识别它们的物理特征（尺寸、颜色、外形等），还能理解其功能、感情价值和文化意义，这种度的概念表征形成了人类认知的基石。跟着ChatGPT等狂言语模子（LLMs）的成长，一个底子性问题浮出水面：这些大模子可否从言语和多模态数据中成长出雷同人类的物体概念表征？保守人工智能研究聚焦于物体识别精确率，却很少切磋模子能否实正“理解”物体寄义。该科研团队从认知神经科学典范理论出发，行为尝试取脑科学的立异范式。研究采用认贴心理学典范的“三选一异类识别使命”，通过度析470万次行为判断数据，团队初次建立了AI大模子的“概念地图”。研究人员从海量大模子行为数据中提取出66个“维度”，并为这些维度付与了语义标签。研究发觉，这些维度是高度可注释的，且取大脑类别选择区域的神经勾当模式显著相关。研究还对比了多个模子外行为选择模式上取人类的分歧性。成果显示，多模态大模子正在分歧性方面表示更优。此外，研究还了人类正在做决策时更倾向于连系视觉特征和语义消息进行判断，而大模子则倾向于依赖语义标签和笼统概念。本研究表白狂言语模子内部存正在着雷同人类对现实世界概念的理解。记者今天（9日）从中国科学院从动化研究所获悉，该研究所神经计较取脑机交互课题组取中国科学院脑科学取智能手艺杰出立异核心结合团队连系行为尝试取神经影像阐发，初次多模态狂言语模子（MLLMs）可以或许自觉构成取人类高度类似的物体概念表征系统。