중국 연구팀 CATS Net 개발, 개념 추상화·과제 해결 혁신
중국 연구진이 인공지능이 인간처럼 ‘개념’을 형성하도록 하는 신경망 구조를 제안했다는 뉴스입니다. 중국과학자동화연구소와 베이징대학 연구팀이 공동 개발한 CATS Net(Concept Abstraction and Task Solving Network)은 경험으로부터 추상 개념을 스스로 형성하고, 이를 활용해 과제를 해결하며, 나아가 다른 시스템과 개념을 공유할 수 있도록 설계된 프레임워크입니다. 연구 결과는 Nature Computational Science에 온라인 게재되었습니다. 핵심은 ‘개념 추상화 모듈’과 ‘과제 해결 모듈’을...
人类擅长从具体经验中总结出抽象概念,比如见过几次狗,脑子里就有了“狗”的概念。之后再看到“狗”这个字,又能联想到狗的样子,也能用狗的概念进行进一步的思考。但AI目前还很难自己学会这个。记者27日从中国科学院自动化研究所获悉,该所与北京大学的科研人员合作开发出一种新型神经网络框架CATS Net,成功让AI系统具备了类似人类的概念形成、理解和交流能力。相关研究成果在线发表于《自然-计算科学》杂志。
人类之所以聪明,很大程度上在于能从纷繁复杂的感官世界中提炼出核心概念。“然而,当前主流AI系统要么将知识混杂在海量参数中难以提取,要么高度依赖人类已有的语言数据进行训练,无法像人一样自主形成概念。”论文共同通讯作者、中国科学院自动化研究所副研究员陈阳介绍。
针对这一难题,研究团队提出了CATS Net神经网络框架。它包含概念抽象与任务求解两个核心模块。在处理视觉任务时,概念抽象模块能将高维视觉输入自动压缩成紧凑的“概念向量”,再通过门控机制动态调节任务求解模块的神经活动,指导其完成具体任务。这一过程模拟了人类从经验中总结概念、再用概念指导行动的双向认知机制。
实验显示,该系统可以根据与环境互动自主生成新概念,形成自己的“概念空间”。当不同网络的概念空间实现对齐后,它们可以直接通过概念向量传递知识,无需再从头学习,这模拟了人类通过语言进行交流的过程。
研究团队还将CATS Net形成的概念表征与人类大脑活动数据进行对比。功能性磁共振成像分析表明,该网络形成的概念空间不仅与心理学上的人类语义认知模型高度一致,其表征模式还与人类大脑中负责视觉语义理解的腹侧枕颞皮层活动显著相关。同时,该网络的动态门控机制与大脑中负责概念提取的语义控制网络活动模式吻合,揭示了人脑概念形成与理解的潜在计算原理。
论文共同通讯作者、中国科学院自动化所研究员余山表示,这项研究为理解人类概念认知提供了新的计算模型,也为研发具有类人概念智能的人工智能系统奠定了基础。未来,赋予AI自主形成新概念的能力,有望促进其在更广阔领域发挥作用,如从事科学探索等。同时,如何确保这类系统与人类价值对齐,将是下一步研究的关键问题。
(团队提供概念图,AI生成)