本文来自微信公众号： 集智俱乐部 ，作者：周骁俊
人类大脑的一项非凡能力是能够从感知—运动经验中形成更抽象的概念表征，并在脱离直接感官输入的情况下灵活应用。然而，这种能力背后的计算机制仍未被清晰理解。本文提出了一种双模块神经网络框架——CATS Net，用以弥合这一空白。该模型由概念抽象模块和任务求解模块构成。前者提取低维概念表示，后者在概念的层级门控下完成视觉判断任务。系统基于概念表征形成可迁移的语义结构，并可通过“概念通信”实现跨网络知识传递。模型与大脑的拟合分析表明，其概念空间与人类语义模型及腹侧视觉皮层的表征结构一致。同时，其门控机制对应语义控制网络。该工作提供了一个统一的计算框架，用于理解人类概念认知，并推动类人概念智能系统的发展。
关键词：概念形成（Concept formation）、概念理解（Concept understanding）、层级门控（Hierarchical gating）、语义结构（Semantic structure）、知识迁移（Knowledge transfer）、脑-模型对齐（Model–brain alignment）
论文题目：A neural network for modeling human concept formation,understanding and communication
论文链接：https://www.nature.com/articles/s43588-026-00956-4
发表时间：2026年3月24日
论文来源：Nature Computational Science
为什么“概念”是智能的核心问题
在人类认知中，最关键的一步并不是“看到”，而是“理解”。语言学家Saussure早已指出，人类能够用符号指代不在场的对象，这种“脱离当下”的能力，使我们可以规划未来、想象过去、进行抽象推理。
从计算角度看，这意味着大脑完成了两件事：一是将高维感知经验压缩为低维概念空间；二是在需要时重新激活这些概念，并将其组合用于任务。前者是概念形成（formation），后者是概念理解（understanding）。
但现有AI体系在这两点上是割裂的。一类模型（如CNN、ViT）擅长表征学习，但知识被“埋”在参数中，难以抽取与迁移；另一类模型（如多模态大模型）依赖已有语言符号，却无法从感知经验中自主形成概念。因此，核心问题不是“如何建模视觉”，而是：能否构建一个系统，同时完成概念的形成、理解与传递？
图1.A.概念的核心特征是将高维感知-运动信息压缩成低维表示，并能够没有直接输入的情况下重新激活。B.概念形成与理解的计算框架：通过低维概念向量压缩经验，并在任务中重新调用以驱动行为。C.CATS Net的整体架构：概念抽象（CA）模块生成控制信号，对任务求解（TS）模块进行层级调控，实现“概念驱动”的感知判断。
CATS Net：把“概念”从参数中解耦出来
本文提出的CATS Net，本质是一个结构极简但思想关键的设计：用两个模块，将“概念”显式建模出来。概念抽象（CA）模块接收一个低维向量（concept vector），输出控制信号；任务求解（TS）模块处理感知输入，但其计算过程会被概念动态调制。
关键机制是“门控”（gating）：概念不是标签，而是直接改变网络内部计算路径的控制变量。这意味着，同一张图像，在不同概念输入下，会激活完全不同的功能。例如，当输入“apple”概念时，网络会判断图像是否属于苹果类别；而输入“vehicle”，同一输入将被重新解释。
从数据中“长出”概念，而不是预定义
模型的训练过程同样体现了这一思想，训练分为两个交替阶段：一阶段学习网络参数；另一阶段学习概念向量。这种分离带来一个关键结果：概念空间本身是可学习的，而不是预设的。
图2.A.涌现的20维概念空间从训练前的“任意向量空间”，变成了“具有语义结构和功能选择性的概念坐标系”。B.训练概念空间（蓝色）和任务求解参数空间（紫色）中功能熵的概率密度分布。
实验表明，固定的概念空间（如Word2Vec或one-hot）都会显著降低性能，而可学习的低维空间不仅更高效，还能形成结构化语义。更重要的是，这些概念具有“功能特异性”：每个概念向量对应一类任务功能，而不是简单标签。通过熵分析（functional entropy），作者发现训练后的概念空间明显比随机空间更有结构，表现为低熵、强选择性。这说明：概念不是人为定义的类别，而是从任务中自然涌现的低维结构。
概念空间为什么“像人类”
一个关键问题是：模型学到的概念，是否真的具有认知意义？作者通过表征相似性分析（RSA）发现，模型的概念空间与两类人类语义模型显著相关：
基于神经科学的语义维度（Binder65），
基于行为相似性的人类判断（SPOSE49）。
这种一致性说明，即使模型只接受视觉分类训练，它仍然自发形成了类似人类的语义组织结构。进一步分析发现，这些概念还能聚类出“动物、家具、交通工具”等语义群落，甚至捕捉颜色、形状、共现关系等多维特征。换句话说：语义结构不是语言专属，而是可以从感知任务中涌现。
真正关键的一步：概念可以“沟通”
最有意思的实验，是“概念通信”。作者构建了teacher–student体系：teacher学习全部类别，student刻意缺失一个类别（如apple）。两个网络独立训练后，各自形成不同的概念空间。然后，通过一个“翻译模块”，将teacher的概念映射到student空间。结果是：student可以仅凭传递过来的概念向量，识别从未见过的类别，准确率远高于随机水平。
图3.概念通信流程。Phase 1：teacher与student独立学习概念空间（student缺失一类）。Phase 2：通过翻译模块对齐两者概念结构。Phase 3：传递teacher的概念向量，student在未见类别上完成判断任务。
这意味着：知识不再依赖参数复制，而可以通过低维概念进行传递。这与人类语言的本质高度一致——我们用极低维的符号，传递复杂经验。
与真实大脑的对应关系
模型不仅在行为上有效，在神经层面也具有对应性。作者使用fMRI数据发现：概念层（concept layer）与腹侧视觉皮层（VOTC）高度相关，说明其编码类似人类的对象表征；而CA模块则与语义控制网络显著相关，表明其与之对应，负责选择与调制语义信息。这种分工与认知神经科学理论高度一致：感知系统负责表征，控制系统负责调度。
图4.模型与人脑一致性（ROI-level RSA）。左：concept layer与VOTC显著相关。右：CA1层与semantic-control network的相关性强于multiple-demand network，体现功能特异性。
进一步，多个独立训练的模型会收敛到相似的概念结构，而这些“高一致性模型”与人脑的对应关系更强。这暗示一个重要结论：概念结构可能是由计算约束决定的“最优解”。
结语与展望：从AI模型到认知理论的转变
这项工作的真正价值，不在于提出一个更强的模型，而在于改变问题的提法：
从“如何预测”转向“如何形成概念”
从“参数学习”转向“结构学习”
从“单体模型”转向“可沟通的智能体”。
它给出一个统一视角：概念=高维经验的压缩表示+可调度的计算规则+可通信的语义接口。这不仅解释了人类认知的核心机制，也为AI提供了一条新的路径：不是更大的模型，而是更结构化的表示。