在认知科学中，人类如何从具体感知提炼出抽象概念，一直是理解智能本质的关键问题；传统计算模型长期受制于两点：一是参数冗余使知识表征难以拆分与复用，二是对符号体系的依赖限制了系统的自主认知。围绕该难题，我国科研团队结合脑科学与人工智能研究，开发了具备双向压缩与重构能力的CATS Net系统。
从感知到概念、从符号到思维，人类智能的独特之处在于对经验的抽象与重构。CATS Net的实践不仅缩小了机器与人脑在概念认知机制上的差距，也为理解智能本质提供了新的路径。随着类脑智能研究深入，人工智能或将更接近“从经验中学习、用概念来思考”的能力，并在更广泛的领域服务社会发展。此进展也提示我们，通往通用人工智能不仅依赖算力与数据，更需要对人类认知机制的深入理解与可验证的建模方法。