AI与认知科学融合研究迎来新突破

北京12月31日电 据自然科学基金委员会官网报道，复旦大学智能复杂体系基础理论与关键技术实验室、现代语言学研究院张梦翰团队，与计算与智能创新学院的邱锡鹏、黄萱菁团队共同合作，发现仅通过预测训练的大语言模型可以自然形成类似人类的概念结构和表征体系。相关成果以“语言预测揭示涌现的类人概念表征”为题，已于2025年10月31日发表在《美国科学院院刊》上。

大语言模型（LLMs）仅通过对下一个token的预测进行训练，是否能够发展出与人类相似的概念体系，是人工智能和认知科学领域亟待探讨的问题。研究团队创新性地将“反向词典”任务设计为概念探针，结合表征相似性分析（RSA）等计算技术，深入分析了LLMs在多种语境下的概念表征能力。研究发现，这类模型能够灵活地依据文本描述推断概念，并且，其表征最终会趋向于某种共同的、与具体语境无关的关系网络。这些关系结构不仅很好地反映了模型在理解和推理任务中的表现，还与SimLex-999、THINGS等人类心理测量数据表现出高度一致性。同时，团队还发现这种表征与人类大脑视觉皮层等区域的舆情网神经活动模式高度吻合，进一步证明了所建模型的生物学合理性。

这一研究显示，结构化的、类人的概念表征可以仅依靠语言预测机制自发产生。该成果不仅为用大语言模型探索人类概念机制打开了新的研究视角，也为推动人工智能和人类智能的深层对齐奠定了理论基础。