Исследователи разработали модель искусственного интеллекта, которая помогает объяснить, как человеческий мозг формирует абстрактные понятия на основе сенсорного опыта. Результаты работы опубликованы 2 марта 2026 года в научном журнале Nature Computational Science.

Разработанная система получила название CATS Net. По словам авторов, она воспроизводит ключевой механизм человеческого мышления - способность превращать конкретные ощущения и действия в обобщенные концепции.

Как мозг превращает опыт в понятия

Одной из важнейших особенностей человеческого мышления является способность формировать абстрактные представления, опираясь на сенсомоторный опыт. Человек способен использовать такие представления независимо от непосредственных ощущений - например, в речи, планировании или воображении.

В исследовании подчеркивается:

«Удивительная способность человеческого мозга заключается в формировании более абстрактных концептуальных представлений на основе сенсомоторного опыта и их гибком применении независимо от прямых сенсорных входных данных».

Это означает, что мозг может отделять понятия от конкретных ощущений и использовать их даже тогда, когда объект не находится перед глазами.

Почему ученые решили создать новую модель

До сих пор вычислительный механизм, лежащий в основе формирования понятий, оставался недостаточно изученным. Существующие системы искусственного интеллекта решают задачи распознавания и анализа данных, однако не способны самостоятельно формировать новые концепции на основе опыта.

В работе отмечается, что современные нейросетевые архитектуры, включая глубокие модели обработки изображений, «запутывают знания в миллионах параметров», из-за чего их трудно отделить от самой сети и передать другой системе.

В то же время большие языковые модели используют уже существующие слова и символы, но не формируют концепции напрямую из сенсорных данных.

Как работает нейросеть CATS Net

Китайские ученые предложили новую архитектуру, состоящую из двух модулей. Первый отвечает за формирование концепций, а второй - за выполнение задач на основе этих понятий.

Модуль абстракции анализирует сенсорные данные и выделяет из них основные признаки. На основе этих признаков формируются компактные концептуальные векторы - своего рода абстрактные представления объектов.

Затем модуль решения задач использует эти представления для выполнения конкретных операций. Например, он может распознавать объекты на изображениях и оценивать их принадлежность к определенной категории.

Авторы исследования объясняют принцип работы так:

«Наша модель состоит из модуля абстракции концепций, который извлекает низкоразмерные концептуальные представления, и модуля решения задач, который выполняет задачи визуальной оценки под иерархическим управлением сформированными концепциями».

Пример того, как формируется понятие

Механизм можно объяснить на простом примере. Когда ребенок впервые видит апельсин, он воспринимает его через разные ощущения - форму, запах, вкус, текстуру кожуры.

Со временем мозг объединяет эти ощущения и формирует обобщенное понятие «апельсин». После этого человек может узнавать фрукт, даже не прикасаясь к нему, а также представлять его мысленно или говорить о нем.

Подобный принцип теперь пытается воспроизвести искусственный интеллект.

Эксперименты и результаты

Для проверки модели исследователи обучили 30 независимых версий CATS Net на наборе изображений ImageNet, содержащем тысячи категорий объектов.

Сеть должна была сформировать концептуальные векторы для разных категорий и определить, относится ли изображение к конкретному объекту.

Результаты показали высокую точность распознавания - от 0,86 до 1,00 при случайном уровне около 0,5. При этом сеть фокусировалась именно на тех частях изображения, которые соответствуют выбранной концепции.

Сходство с работой человеческого мозга

Отдельное внимание ученые уделили сравнению модели с нейронной активностью человека. Для этого применялись методы анализа сходства представлений.

Выяснилось, что сформированное нейросетью пространство концепций коррелирует с семантическими моделями человеческого мышления и соответствует структурам мозгового ответа в вентральной затылочно-височной коре.

В исследовании говорится, что полученные результаты указывают на близость вычислительных механизмов модели и процессов обработки понятий в мозге.

Как системы искусственного интеллекта смогут обмениваться знаниями

Одним из ключевых результатов работы стала возможность концептуальной коммуникации между различными системами искусственного интеллекта.

Если концептуальные пространства нескольких моделей будут согласованы, они смогут передавать знания напрямую через понятия, не обмениваясь исходными данными.

Такой механизм напоминает человеческое общение. Люди передают знания друг другу через слова и символы, не воспроизводя весь сенсорный опыт, из которого возникли эти понятия.

Прорыв для науки и ИИ

Разработчики подчеркивают, что предложенная модель может стать шагом к созданию искусственного интеллекта, способного мыслить более гибко и абстрактно.

В публикации отмечается:

«Эта работа создает единую вычислительную структуру, которая может предложить механистические представления для понимания человеческого концептуального познания и проектирования искусственных систем с человекоподобным концептуальным интеллектом».

Исследование не только предлагает новую архитектуру нейросетей, но и помогает лучше понять, каким образом человеческий мозг формирует и использует понятия.

Ранее мы выбрали топ бесплатных нейросетей для видео и музыки в 2026 году