虽然AI系统一直追求像人类那样思考和交流，但人脑能够直接在概念空间里运行，脱离具体感官体验，这让两者有了根本的不同。中国科学院自动化研究所的余山团队和北京大学心理与认知科学学院的毕彦超团队联手构建了一个新型神经网络框架。这个框架让系统能自发形成概念，还能像人类一样在概念空间中理解和交流。 这次合作是为了让计算机能像人类一样把感知到的信息压缩成概念，再通过概念重构感知。研究人员发现传统的神经网络虽然能处理复杂任务，却把知识藏在海量参数里，难以提取出独立的概念；而现在很火的AI大模型又离不开人类语言符号的训练，无法直接从感知中创造概念。为了解决这个问题，研究团队提出了一种全新的架构。 在这套架构里，专门负责抽象的模块能把高维的视觉信息压缩成低维的“概念向量”。接着，这些向量就像钥匙一样，通过分层门控机制控制任务求解模块的活动。这样一来，神经网络就能灵活高效地完成视觉任务了。更厉害的是，这套系统还能自己和环境互动生成新概念。 当不同神经网络之间的概念空间对上号后，它们就可以不依赖外界环境直接传递信息。这种用概念向量来交换知识的方式，模拟了人类通过语言符号交流的过程。分析结果表明，这个系统不仅在功能上像人，还揭示了人脑形成和理解概念背后的计算原理。 毕彦超和余山团队把这种基于概念的学习方法命名为“概念驱动”。这种方法不再依赖海量参数或预设符号，而是让AI通过自己的经验去构建概念空间。北京科研团队这次的突破为类脑智能的发展开辟了一条新路径。中国科学院自动化研究所和北京大学的合作成果发表在知名学术期刊上。