我从大脑的神经计算机科学与计算机互动联合团队（Neubci）以及中国科学科学和技术学院的卓越创新创新中学到了中国科学院中国科学院的信仰公共帐户的联合团队。它与人类非常相似。这项研究不仅为人工智能的认知科学打开了新的方式，而且还提供了一个理论框架，以建立具有类似于人类的认知结构的人工智能系统。相关研究结果以人类物体的概念表示标题发表在自然机器智能上。人类可以在自然界中概念化对象。这是一种认知能力，长期以来一直被认为是人类智力的核心。看看“狗”，“汽车”或“苹果”，不仅可以识别物理特征（尺寸，颜色，形状等），还可以理解其功能，情感nal的价值和文化重要性。尽管传统人工智能研究集中于对象识别的精度，但很少讨论模型是否真正“理解”对象的含义。 The corresponding author of his article, an investigator, said: "The AI can currently distinguish between photos of cats and dogs, but the essential difference between this 'identification' and the 'understanding of cats and dogs' must be clarified. The team has designed a set of innovative paradigms that integrate computer modeling, behavioral experiments and brain sciences, based on the classic textures of cognitive neurias. What the largest model must choose the most different options of the concept of objects （根据1854年的概念组合）。人类肥胖症分别发现它是高度可解释的，并且与大脑类别选择区域中的神经元活动模式显着相关（作为面部处理的FFA，用于场景处理的PPA，用于SOMA处理的EBA）。这项研究还比较了人类在行为选择模式多种模型中的一致性。结果表明，最大的多模式模型（例如Gemini_pro_vision，Qwen2_vl）可以更好地一致性。此外，这项研究还表明，在做出决策时，人类倾向于将视觉特征和语义信息结合起来以发行判断，而较大的模型倾向于取决于语义标签和抽象概念。这项研究表明，大型语言模型对现实世界的概念而不是“随机鹦鹉”有人类的理解。