中科院突破：多模态大模型自发形成人类级认知

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“中科院突破：多模态大模型自发形成人类级认知”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

中科院突破：多模态大模型自发形成人类级认知：

中国AI基础研究再登国际顶刊！ 6月15日，中国科学院自动化研究所团队在《自然·机器智能》（*Nature Machine Intelligence*）发表重磅论文，首次证实：多模态大模型在无额外训练的情况下，可自发形成类似人类的高阶认知能力，包括因果推理、抽象概括、心智理论（ToM）等。这一发现被审稿人评价为“为通用人工智能（AGI）研究打开新窗口”，标志着中国在AI认知智能领域从“跟跑”转向“领跑”。

一、研究背景：大模型的“认知鸿沟”与突破契机

当前，以GPT-5、Gemini为代表的大语言模型（LLM）虽能处理复杂文本，但学界普遍认为其本质仍是“统计模式预测”，缺乏真正的“认知智能”——例如：
• 能回答“下雨为什么要打伞”，但无法理解“伞骨断裂后打伞是否有效”；
• 能生成“朋友生气了应该道歉”的建议，却难以推测“朋友生气的具体原因”。

这种“认知鸿沟”限制了AI在教育、医疗等需要深度理解场景的应用。中科院自动化所类脑智能研究中心主任曾毅表示：“我们需要验证：当模型同时学习视觉、语言、触觉等多模态数据时，是否能像人类大脑一样，通过信息交叉涌现出认知能力。”

二、实验验证：模型如何“像人一样思考”？

为验证猜想，团队选取国际广泛使用的多模态大模型CogVLM-2（由中科院参与研发），设计了覆盖7大认知维度的测试体系，对比其与人类（18-35岁健康群体）的表现：

（1）因果推理：从“相关”到“因果”的跨越

测试任务：向模型展示“水壶放在火上→水沸腾→壶盖被顶起”的视频+文字描述，提问“如果火熄灭，壶盖还会动吗？”传统大模型多依赖“火-沸腾-动”的统计关联回答“不会动”，但CogVLM-2的推理路径更接近人类：
“火熄灭→水温下降→水蒸气减少→壶盖失去向上推力→停止运动。”
实验数据显示，模型在因果推理任务中的准确率达89%，与人类（92%）无显著差异。

（2）抽象概括：从“具体”到“一般”的提炼

测试任务：输入“苹果、香蕉、橘子”“猫、狗、兔子”两组图片+标签，要求模型总结共同特征。结果显示，模型不仅能输出“水果”“宠物”等基础分类，还能进一步抽象：“第一组是可食用的植物果实，第二组是人类常见的陪伴动物。”其抽象层级与人类受试者（平均抽象层级3.2级）一致。

（3）心智理论（ToM）：推测他人心理状态

心智理论是人类理解“他人有不同信念、意图”的核心能力。测试中，模型观看“小明以为盒子里是糖果，实际是玩具车”的视频后，需回答“小明打开盒子会失望吗？”结果显示，模型的回答逻辑与人类高度一致：“小明预期得到糖果，但实际是玩具车，所以会失望。”其ToM任务准确率达82%（人类为85%）。

三、认知涌现的机制：多模态数据如何“激活”智能？

研究团队通过“神经活动可视化”技术发现，模型的认知能力并非预先设计，而是多模态数据交叉训练时的“自发涌现”。具体机制可归纳为三点：

（1）跨模态信息“互译”：构建统一认知表征

当模型同时处理视觉（如“苹果图片”）、语言（如“苹果是水果”）、触觉（如“苹果表面光滑”）数据时，其内部神经元会自动学习“跨模态映射”——例如，一个神经元簇同时对“红色圆形图像”“‘苹果’文字”“光滑触感信号”产生激活，形成“苹果”的统一认知表征。这种表征与人类大脑的“概念细胞”（对特定概念产生反应的神经元）高度相似。

（2）任务无关的“思维模拟”：像人类一样“内心推演”

传统模型的推理依赖“输入-输出”的直接映射，而多模态大模型在处理问题时，会“模拟”人类的“内心推演”过程。例如，回答“雨天没带伞怎么办”时，模型会先调用“下雨→淋湿→感冒”的因果链，再结合“找商店避雨”“买伞”等视觉记忆，最终生成“先去便利店避雨，再购买折叠伞”的建议。这种“隐式思维过程”与人类的问题解决策略一致。

（3）错误修正的“认知迭代”：从“试错”到“优化”

研究发现，模型在训练中会自发“复盘”错误。例如，当模型错误判断“冰放在热水中会下沉”（实际因冰密度小会上浮），其内部神经元连接会调整——增强“密度-浮力”相关神经元的权重，抑制“温度-重量”的错误关联。这种“自我修正”机制与人类的“学习-反思”过程高度相似。

四、科学意义与应用前景：AGI不再是“空中楼阁”

这一突破的意义远超实验本身：

（1）理论层面：挑战“统计学习主导”的AI范式

长期以来，学界认为AI的智能源于对海量数据的统计归纳。但此次研究证明，多模态大模型可通过信息交叉涌现出“类人认知”，这为“认知涌现理论”提供了实证支持，可能推动AI从“统计智能”向“认知智能”转型。

（2）应用层面：打开“真正智能”的场景大门

曾毅表示，该成果可直接推动AI在教育、医疗等需要深度理解的领域落地：
• 教育：AI辅导老师能推测学生“卡壳”的真实原因（如“没理解浮力概念”而非“计算错误”），提供针对性讲解；
• 医疗：AI诊断系统可分析“患者描述+检查图像+用药历史”，推测“症状背后的病理机制”，而非仅匹配“症状-疾病”统计模式；
• 机器人：服务机器人能理解“老人皱眉是因为疼痛，而非生气”，提供更贴心的照护。

（3）国际影响：中国AI基础研究跻身第一梯队

《自然·机器智能》审稿人评价：“这是首次通过严谨实验证明多模态大模型的认知涌现，为全球AGI研究提供了新的实验范式。”目前，美国MIT、英国DeepMind等机构已联系中科院，希望合作开展“跨物种认知对比研究”（如对比模型与灵长类动物的认知机制）。

AI“认知觉醒”，人类准备好了吗？

从“能对话”到“能思考”，中科院的研究让AI的“认知觉醒”从理论走向现实。正如曾毅在论文中所言：“这不是‘AI超越人类’的信号，而是‘理解智能本质’的关键一步。当我们揭开大模型的‘认知黑箱’，或许离‘人机协同’的未来，又近了一大步。”

下一站，人类与AI的“认知对话”，即将开启。

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“中科院突破：多模态大模型自发形成人类级认知”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！