人工智能全球竞争加速的时代背景下，中国科学院自动化研究所脑图谱与类脑智能实验室公布了最新研究成果——CATS Net系统。该系统首次实现了机器对抽象概念的提取与传递，在视觉感知测试中可完成相当于人类初级认知的概念关联任务，标志着我国在认知智能底层架构研发上进入国际前沿梯队。 项目负责人余山研究员坦言，当前突破主要停留在特定任务的模拟层面。系统虽能通过算法优化实现概念符号的处理，但与人类的概念理解存在根本区别。人类认知具有目的性——儿童学会"苹果"时会自然关联其味道、触感甚至情感记忆，而机器只能建立视觉特征的统计关联。用余山的比喻说，"这就像鹦鹉学舌，能发音却不解其义"。 现有人工系统面临三大技术瓶颈：第一，认知维度单一。CATS Net虽能处理视觉概念，却无法同步整合听觉、触觉等多模态信息；第二，学习机制固化。现有系统依赖预设数据训练，缺乏人类特有的经验迁移能力；第三，价值判断缺失。面对道德困境等复杂场景时，算法无法进行伦理权衡。 针对这些挑战，研究团队制定了"分阶段突破"的技术路线：短期聚焦跨模态认知建模，中期攻关动态知识图谱构建，远期探索类脑自主学习框架。该所已联合心理学、伦理学等多学科力量启动"认知增强计算"重大专项，在神经科学与计算机科学交叉领域寻求突破。 业界认为，这项突破具有两上意义：应用层面为智能教育、辅助医疗等领域提供了新工具；理论层面为理解人类意识本质提供了新视角。但专家也指出，技术发展需要配套伦理约束机制，应参照《新一代人工智能伦理规范》，在研发初期融入价值对齐设计。
类脑智能研究正推动智能技术向更复杂的认知能力迈进。CATS Net的启示在于：科学突破往往源于可验证的具体问题，而关于"成为人"的讨论，则需要在技术可行性、社会可接受性与伦理可持续性之间找到平衡。唯有在持续创新与规范治理并重的轨道上，智能技术才能更好地服务人的发展与社会进步。