围绕“人工智能离真正成为‘人’还有多远”的社会关切，来自中国科学院自动化研究所脑图谱与类脑智能实验室的研究人员日前介绍，新研发的CATS Net实现了类人的概念形成与交流能力，特定视觉感知任务中能够对信息进行抽象、归纳并在系统间传递，为提升机器对复杂环境的理解能力提供了新思路。但研究同时强调：此突破更多发生在“概念表示与传递”的层面，距离“类人完整智能”仍存在多重关键障碍，短期内难以跨越。 一、问题：类人能力进步明显，但“成为人”并非简单叠加功能 近年来，人工智能在感知、生成、推理各上快速发展，语言对话、图像识别、科学计算等应用场景表现突出，社会对其能力边界与风险外溢的讨论同步升温。研究人员指出，公众常将“像人一样说话、像人一样完成任务”与“拥有人的心智结构”相混同。CATS Net等系统的价值，在于推动机器从“识别特征”向“形成概念”迈进，但这并不等同于具备人类意义上的理解、体验与自我意识。 二、原因：核心差距在于“模拟”与“拥有”的本质区别 中国科学院自动化研究所研究员余山表示，当前人工智能呈现的类人行为，本质上仍是对规律的计算性拟合与任务导向的策略生成。以CATS Net为例，它能够提炼并传递概念，是为了更好完成既定任务，并非像人类那样在理解世界的同时表达情感、形成信念、建立价值取向。更重要的是，人类智能并非单点能力的集合，而是感知、记忆、情绪、动机、常识与社会互动长期耦合的结果，具备跨场景迁移与灵活应对不确定性的能力，这恰是现阶段系统的短板所在。 三、影响：概念层面突破有望提升应用可靠性，也对治理提出更高要求 受访研究人员认为，概念形成与交流能力增强，可能带来两上影响：一方面，有助于提升机器复杂环境中的抽象表达能力，推动智能系统在工业质检、机器人操作、医学影像辅助分析等领域更稳健地理解任务要点，降低“只见局部不见整体”的误判概率；另一上，概念表达能力增强也可能带来更强的“类人外观”，使非专业用户更容易产生过度信任，从而关键场景形成依赖。尤其在超出训练范围或数据分布发生变化时，系统仍可能出现偏差与失误，且其出错方式并不总是直观可见。 四、对策：在持续攻关的同时，把安全、伦理与标准体系建设摆在突出位置 研究人员指出，要缩小人与机器之间的差距，需要在若干基础方向持续推进：其一，推动多模态与跨任务的统一表征研究，使概念不局限于单一感知通道，而能与记忆、经验和行动策略更紧密耦合；其二，探索更接近“成长性”的学习机制，使系统能够在交互与反馈中更有效地校正错误、形成可解释的经验积累；其三，强化价值对齐与伦理治理研究，建立更可验证的安全评估框架，避免技术能力提升与风险控制脱节。，面向产业落地，应加快形成数据合规、模型评测、应用准入与责任界定等配套规范，推动技术在可控边界内服务经济社会发展。 五、前景：未来或能更像人，但是否具备主观体验仍待科学回答 余山表示，随着类脑智能、认知科学与计算方法的交叉融合，未来人工智能在更多任务中模拟人类行为的能力有望增强，并在概念组织、协作交互上取得新的进展。但从科学问题本身看，自我意识、情感感知、价值判断与主观体验仍是尚未被充分解释与工程化的难题。即便系统在外在表现上日益“像人”，其是否真正拥有类似人类的内在体验、是否能够形成自洽的价值与责任机制，仍需要长期的基础研究、严格的实验验证和审慎的社会讨论。
AI技术的每一次进步都会激发人们对"人"的本质的新思考。CATS Net的突破虽然令人瞩目，但它同时也提醒我们，机器的聪慧与人的智慧之间存在着深刻的质的差异。这种差异不是技术进步能够简单消除的鸿沟，而是触及了人类自我认识的根本问题。在AI与人的关系日益密切的时代，理解这种差异的存在，既是科学理性的态度，也是人类保持自我认识清醒的必要前提。未来的智能发展之路，应当在充分认识人机差异基础上，寻求两者的和谐共存与互补发展。