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.