认知启发的多模态大语言模型概念表征机理解析

讲座简介

人类如何认知和概念化世界万物是认知科学的核心问题。随着多模态大语言模型（MLLM）的兴起，一个关键问题随之而来：这些先进的AI模型是否发展出与人类相似的物体概念表征？我们借鉴认知心理学的经典“三选一”范式，利用大语言模型（LLM）和MLLM收集了数百万次关于上千种自然物体的相似性判断。通过对这些海量行为数据进行表征学习，我们成功解析出模型内部用于概念判断的66个核心维度。研究发现，这些维度不仅稳定、可泛化，并且具有高度的可解释性，涌现出了与人类极为相似的语义结构。将这些大模型的概念表征与人类大脑功能性磁共振成像（fMRI）数据进行对比，发现在负责物体、场景和人脸识别的关键脑区（如EBA, PPA, FFA）中存在高度一致性。这些发现表明，尽管学习机制不同，多模态大模型仍能够发展出与人类类似的内部概念表征。

演讲者简介

杜长德，中国科学院自动化研究所副研究员，硕士生导师，聚焦于生物智能与人工智能的交叉前沿，通过神经科学、认知科学与人工智能的深度融合，揭示大脑信息处理的基本原理，并以此推动新一代人工智能的发展。研究成果已发表于 Nature Machine Intelligence、IEEE TPAMI、ICLR、ICML等顶级期刊/会议。担任《The Innovation Informatics》青年编委。个人主页：https://changdedu.github.io/。

参与方式

• 时间：2025年10月10日 下午 19:00（北京时间）
• 平台：Zoom
• 语言：中文

讲座大纲

1. 讲座内容
2. 问答环节

相关资源

• 预读材料即将更新
• 讲座回放将在讲座结束后提供