人类智能的核心优势在于能从感官体验中抽象出概念，构建概念空间进行思考与交流。这一将高维感知压缩为低维概念再重构感知的过程，是符号化思维的基础，也是当前人工智能难以逾越的鸿沟。近日，中国科学院自动化研究所团队提出了一种名为 CATS Net 的新型神经网络框架，成功实现了类人的概念形成、理解与交流。 CATS Net 由概念抽象（CA）与任务求解（TS）两大核心模块构成。在视觉任务中，CA 模块能自发将高维视觉输入压缩为紧凑的低维“概念向量”。这些向量如同“钥匙”，通过分层门控机制产生动态调节信号，灵活引导 TS 模块完成特定感知任务。系统还能在与环境的互动中自主生成新概念，形成独立的概念空间。一旦不同网络的概念空间实现对齐，知识便可直接通过概念向量进行高效传递，完美复刻了人脑的概念交互机制。 研究团队进一步将 CATS Net 生成的概念表征与人类认知数据进行了深度对比。功能磁共振成像分析显示，该网络构建的概念空间不仅与心理学的人类认知语义模型高度一致，其表征模式更与大脑腹侧枕颞皮层（负责视觉语义表征）的活动模式紧密相关。此外，CA 模块的动态门控机制也与大脑负责概念提取的语义控制网络活动相吻合。这表明 CATS Net 不仅在功能上模拟了人类概念认知，更在机制层面揭示了人脑概念形成与理解的计算原理。 该成果为构建具备类人概念智能的下一代系统奠定了坚实基础，相关研究已在线发表于《自然·计算科学》。此项工作得到了国家自然科学基金及中国科学院相关项目的支持。