人类可以在自然界中概念化对象。这是一种认知能力，长期以来一直被认为是人类智力的核心。看着“狗”，“汽车”或“苹果”，不仅可以识别物理特征（大小，颜色，形状等），而且还可以理解其功能，情感价值和文化重要性。大型语言模型（LLM）的爆炸性发展揭示了基本问题。这些出色的模型能否开发与语言对象和多模式数据相似的概念表示？最近，在中国科学院自动化研究所和中国科学科学卓越技术中心，中国科学学院的互动研究研究小组（NEUBCI）计算的互动研究小组合作团队，中国科学技术中心可以确认，它结合了第一次概念的概念，以确认行为实验的分析，以确认行为实验的分析。这项研究不仅O笔在人工智能中认知科学的新方法，但也提供了一个理论框架，以建立具有类似人类的认知结构的人工智能系统。相关研究结果以人类物体的概念表示标题发表在自然机器智能上。从“对机器的识别”到“对机器的理解”的传统研究集中在对象识别的精度上，但是很少讨论模型是否真的“理解”对象的含义。他的文章的相应作者是调查员，他说：“ AI目前可以区分猫和狗的照片，但是这种“识别”和“对猫和狗的理解”之间的本质区别必须澄清。该团队设计了一个创新的范式，该范式设计了一个集成了基于Cognitives Neuros的经典案例的计算范围，该范式整合了计算，行为实验和大脑科学，基于确定性Neuros的经典理论。首先，最大的模型必须从对象概念（从1,854个概念的任何组合中）选择最不同的选项。它在那里。研究人员提取了大规模行为数据的66个“心理维度”，并给出了这些维度标签。这项研究发现，这些维度是高度可解释的，并且与大脑分类选择区域的神经元活动模式显着相关（作为面部处理的FFA，现场处理的PPA，EBA的EBA，用于SOMA处理）。这项研究还比较了人类在行为选择模式多种模型中的一致性。结果显示了一个大型的多模式模型（作为gemini_pro_vision，qwen2_vl），可改善一致的性能。此外，研究表明，尽管人类倾向于将视觉特征和语义信息结合起来，以制定决策，但大型模型倾向于取决于语义标签和抽象概念。这项研究表明很大-scale linguistic models have a human understanding of the concepts of the real world, not the "random parrots."自动化研究所的助理研究员杜·昌德（Du Changde）是该文件的第一作者，调查员Huiguang是相应的作者。 Key collaborators include researcher Jang Lu, from the Center for Excellence in Brain and Intellectual.这项研究是由先驱科学学院基础和croaccan科学研究项目资助的，中国自然科学基金会，中国自然科学基金会以及国家北京认知与情报研究所。论文信息：Changde Du，Kaicheng Fu，Bincheng Wen，Yi Sun，Jie Peng，Wei Wei，Ying Gao，Shengpei Wang，Cchuncheng Zhang，Jinpeng Li，Shuang Qiu，Le Chang，Le Chang，Huiguang He。 The conceptual representations of human objects appear naturally in the main multimodal language models. Nature Machine Intelligence (2025) .doi: 10.1038/S42256-025-01049-Z