研究核心发现 - 多模态大语言模型首次被证实能够自发形成与人类高度相似的物体概念表征系统 [1] - 该研究为人工智能认知科学提供了新路径，并为构建类人认知结构的人工智能系统提供了理论框架 [1] - 研究揭示了多模态大模型在行为选择模式上与人类的一致性方面表现更优 [2] 研究方法与过程 - 研究团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式 [1] - 团队构建了人工智能大模型的"概念地图"，并从海量大模型行为数据中提取出66个高度可解释的"心智维度" [2] - 研究发现这些维度与大脑类别选择区域的神经活动模式显著相关 [2] 人类与AI概念表征差异 - 人类能够对物体进行概念化，理解其物理特征、功能、情感价值和文化意义等多维度信息 [1] - 人类在做决策时更倾向于结合视觉特征和语义信息进行判断，而大模型则倾向于依赖语义标签和抽象概念 [2] - 当前人工智能的物体识别与人类对物体本质的理解仍有区别 [1]