人类智能的核心竞争力在于一种独特的认知能力：将纷繁复杂的感官体验抽象为清晰的概念，进而在概念层面进行思维和交流。这种从高维感知向低维概念的"压缩"，以及由概念向感知的"重构"，构成了人类符号化思维的基础，也是语言产生和发展的根本动力；然而，这个看似简单的认知过程，却长期困扰着人工智能领域的研究者。 当前人工智能系统在概念形成能力上存在明显短板。传统深度学习网络虽然在特定任务上表现出色，但其知识表示方式存在根本性缺陷——大量信息被纠缠在海量参数中，难以提取出独立、清晰的概念单元。而近年来备受瞩目的大语言模型虽然体现出强大的语言理解和生成能力，但其概念形成过程高度依赖人类已有的语言符号进行训练，本质上是在已有概念框架内进行组合和变换，无法真正实现从感知经验中"从无到有"地自发生成新概念。这一根本差异，成为当前人工智能与人脑之间的关键鸿沟。 中国科学院自动化研究所脑图谱与类脑智能实验室余山团队与北京大学心理与认知科学学院毕彦超团队的合作研究，正是针对这一核心难题的突破性探索。研究团队提出的新型神经网络框架CATS Net，通过创新的网络架构设计，实现了概念的自发形成机制。该框架自发生成的概念空间与人类语言构成的概念空间体现为明显的相似性，而且对这些概念的表征方式与人脑内的神经表征意义在于显著的对应的性。这意味着，新框架在某种程度上复现了人脑进行概念抽象和理解的过程。 这一研究成果深远。首先，它为理解人类概念认知提供了新的计算模型，有助于神经科学和认知科学的深入发展。其次，它为研发具备人类概念形成与应用能力的下一代智能系统奠定了重要基础，标志着人工智能向类人智能方向迈出了实质性步伐。再次，赋予人工智能系统自主形成新概念的能力，有望突破当前大语言模型受限于既有语言范畴的瓶颈，使其在科学探索、技术创新等更广阔的领域发挥更大作用。 然而，这一突破也带来了新的思考。当人工智能系统获得自主形成概念的能力后，如何确保这些系统与人类的价值观和伦理规范保持一致，将成为下一阶段亟待解决的关键问题。这不仅涉及技术层面的挑战，更涉及社会治理和伦理规范的完善。
从"识别信息"到"生成概念"是智能系统向高阶理解迈进的关键一步。CATS Net框架不仅为研究人类认知提供了新视角，也为下一代智能技术发展指明了方向。未来需要技术创新与社会治理两上同步推进：既要加强基础研究，也要建立完善的评测与规范体系，确保新技术服务于人类福祉和社会发展。