研究团队由伍祺升领衔，提出一种全新的形式化数学框架——相似场论，旨在重构人工智能与认知科学的本体论基础。该理论挑战了自亚里士多德以来以“实体”为第一性的传统本体论，转而将“相似关系”置于核心地位，主张关系本身具有本体论优先性。这一转变被视为人工智能发展进入理论自觉阶段的关键一步。当前大模型的发展高度依赖经验性调参与算力堆叠，缺乏统一理论解释其内在机制，尤其难以破解“黑箱”问题与稳定性缺陷。相似场论通过引入一种放宽经典度量空间对称性的几何结构，构建了一个能够统一描述智能生成、概念演化与集体认知的数学语言。在此框架下，智能被定义为：在给定某一概念K的体现实体集合X_K基础上，系统生成同样属于该概念上水平集F_α(K)的新实体的能力，形式化表达为存在生成算子G，使得G(X_p)中的新实体E′满足相似场S(E′, K) ≥ α。这一定义将原本统计意义上的模型性能问题转化为概念空间中的几何结构探索问题，实现了从数据驱动到结构驱动的认知跃迁。 研究团队进一步推导出两个关键定理：不相容性定理揭示了社会互动中谈判僵局的深层根源——当个体信念系统无法同时满足彼此的相似性阈值时，协议必然破裂；稳定性定理则指出，无论是个体心智还是集体认知，都依赖于长期稳定的信念结构作为支撑。这些理论不仅具备哲学深度，更具备实证潜力。团队利用相似场论对三个主流大语言模型（cerebras-gpt-590M、pythia-160m、gemma-3-270m）进行解构，将其视为概念纤维的集合，每个神经元对应特定概念的激活纤维。通过Bradley–Terry–Luce模型模拟消费者品牌认知分布，结果取得Spearman相关系数0.963与MAE=2.160的优异表现，表明大模型已内化部分真实社会认知结构，为社会科学、行为经济学与文化研究提供了可量化的虚拟实验工具。 该框架的应用前景广阔：一方面可用于检测并修正模型逻辑矛盾，例如识别“i比j更典型”与“j比i更典型”同时为真的悖论，进而设计基于不相容定理的训练约束机制；另一方面，它为构建基于神经网络的集体认知模拟平台奠定基础，使研究者得以绕过传统问卷调查，实现对大规模群体认知动态的实时观测与干预。整个研究过程强调从本质问题出发，将哲学追问转化为精确数学表述，再通过逻辑推演与实证检验实现理论闭环，体现了严谨的科学方法论。 业内专家评价，相似场论标志着人工智能理论从“工程导向”迈向“本体建构”的转折点，其融合东方整体性思维与西方形式化逻辑的路径极具启发意义。伍祺升本人曾就读于香港大学，曾任大厂工程师，后投身独立研究，现兼任加拿大Copilot AI数据科学家。他致力于通过科学语言重释东方智慧，推动跨文明知识体系的对话与创新。