В Китае создали нейросеть, приближенную к человеческому способу мышления

Китайские исследователи создали нейросеть CATS Net, которая умеет превращать сырые данные, например изображения и звуки, в собственные внутренние «понятия» — почти так же, как человеческий мозг учится понимать мир на основе ощущений. Результаты опубликованы в Nature Computational Science.

До сих пор большинство ИИ‑систем опирались на уже существующие языковые данные или примеры, чтобы понимать мир. Они не способны самостоятельно выделять абстрактные концепции, если их не прикрепили к словам заранее. CATS Net ломает это ограничение: она объединяет сенсорное восприятие и абстрагирование в одну систему, которая учится выделять сущности и использовать их для решения задач.

Что делает нейросеть и как она работает

Сердце CATS Net состоит из двух взаимосвязанных частей. Первая — модуль абстрагирования концепций — берет сложные сенсорные данные, например картинки или звуки, и превращает их в компактные «умственные ярлыки». Эти ярлыки работают как внутренние метки, помогающие нейросети понимать, к какой категории относится объект, словно мозг выделяет суть из потока впечатлений.

Вторая часть — модуль решения задач — использует эти ярлыки для конкретных действий. Например, он может определить, есть ли на картинке яблоко, или оценить, какой звук соответствует определенному событию.

Главная особенность системы в том, что эти внутренние «метки» не просто описывают данные — они сами становятся рабочим инструментом. Нейросеть учится использовать свои понятия для обработки информации и легко адаптируется к новым задачам без полного переобучения. Иными словами, ИИ создает собственный внутренний «словарь идей», который делает его умнее и автономнее.

Как это похоже на мозг

Авторы исследования не ограничились демонстрацией концептуального обучения — они соотнесли работу CATS Net с активностью человеческого мозга. Анализ показал, что структура абстрактных представлений сети коррелирует с активностью в теменной и височно‑затылочной коре мозга, участвующих в семантической обработке. Это означает, что сгенерированные нейросетью «понятия» близки к тому, как человек обрабатывает смысл и значение.

Исследователи также обнаружили, что механизм, с помощью которого введенные концептуальные векторы регулируют работу сети, напоминает семантический контроль — способность мозга выбирать, какие знания применить в конкретной ситуации.

Результаты важны не только для теории ИИ, но и для практики:

система может передавать знания между разными ИИ‑агентами исключительно через концептуальные векторы, без необходимости переобучения всей сети. архитектура работает на популярных наборах данных (например, ImageNet), что демонстрирует её потенциал для обработки реальных визуальных задач. использование нейросети, которая учится формировать собственное внутреннее понятие о мире, приближает ИИ к истинным когнитивным способностям, которые раньше считались уникальными для человека.

Как это может изменить ИИ будущего

По словам авторов, такой подход позволяет нейросети смотреть на мир не через слова или тексты, а через свои собственные внутренние представления — почти так же, как это делает человек. Вместо того чтобы полагаться на заранее заданные метки, ИИ учится создавать свои «понятия» и использовать их для понимания и действий. Это открывает путь к более гибким и универсальным системам, которые могут обмениваться знаниями, объединять ощущения и решать задачи без постоянного переобучения.

Большинству людей стоит поучиться эмпатии у ИИ — исследование

Alibaba создала ИИ для управления роботами в реальном мире

Подписывайтесь и читайте «Науку» в Telegram