研究人员使用1,854个天然对象的文本或图像进行了AIS“奇怪的任务，他们发现LLMS创建了66个概念维度来组织它们，就像人类一样。
人工智能的代表性图像。
中国研究人员声称已经找到了证据，表明大语模型（LLMS）可以理解和处理像人类这样的自然物体。他们认为，即使没有明确培训就可以自发地完成此操作。
根据中国科学院和广州南中国中国技术大学的研究人员的说法，一些AIS（例如Chatgpt或Gemini）可以反映人类认知的关键部分，这是对信息进行分类的。
他们的研究发表在自然机器智能，研究了LLM模型是否可以开发与人类对象表示相似的认知过程。或者，换句话说，要确定LLM是否可以根据功能，情感，环境等识别和分类事物。
LLM创建了概念上的维度，就像人类一样
为了发现这种情况，研究人员使用文本（用于chatgpt-3.5）或图像（对于Gemini Pro Vision）进行了AIS的奇怪任务。为此，他们收集了1,854个天然物体（例如狗，椅子，苹果和汽车）的470万个反应。
他们发现在创建的模型中，创建了66个概念维度来组织对象，就像人类那样。这些维度扩展到了基本类别（例如“食品”），以涵盖复杂属性，包括纹理，情感相关性和适合儿童的适合性。
科学家还发现，随着AIS同时处理视觉和语义特征，多模型（结合文本和图像）与人类思维更加紧密地对齐。此外，小组发现，脑扫描数据（神经影像学）揭示了AI和人脑对物体的反应方式之间存在重叠。
这些发现很有趣，而且提供了证据，表明AI系统可能能够以人类的方式真正理解，而不仅仅是模仿响应。它还表明，未来的AI可能具有更直观，与人类兼容的推理，这对于机器人技术，教育和人类协作至关重要。
但是，同样重要的是要注意，LLMS不了解人类在情感或经验上的方式。
AI理解不是基于生活经验
AIS通过识别通常与人类概念密切相对应的语言或图像的模式来起作用。虽然这似乎是在表面上的理解，但这并不是基于生活经验或接地的感觉运动相互作用。
同样，AI表示的某些部分可能与大脑活动相关，但这并不意味着他们可以像人类一样思考或共享相同的建筑。
如果有的话，可以将它们视为人类模式识别的复杂传真，而不是思维机器。LLM更像是由数以百万计的书籍和图片制成的镜子，根据学习的模式在用户上反映了这些模型。
该研究的发现表明，LLM和人类可能正在融合类似的功能模式，例如将世界组织成类别。这挑战了AI只能通过重复数据中的模式而出现智能的观点。
但是，如果正如研究所认为的那样，LLM开始独立建立世界概念模型，那意味着我们可以更接近人工通用智能（AGI） - 一个可以在像人类这样的许多任务中思考和理性的系统。
关于作者
克里斯托弗·麦克法登（Christopher McFadden）克里斯托弗（Christopher）于2004年毕业于加的夫大学（Cardiff University），并获得了地质硕士学位。从那以后，他仅在建筑环境，职业健康与安全与环境咨询行业中工作。他是IEMA绿色交易评估师和从业者的合格和认可的能源顾问。