统一几何空间：连接人工智能模型与人脑
人工智能
2025-10-29 v1
摘要
数十年来，神经科学家和计算机科学家一直追求的共同目标是：理解智能并构建它。现代人工神经网络在语言、感知和推理方面已与人类媲美，但这些人工系统是否以与大脑相同的方式组织信息仍然鲜知情。现有的脑-人工智能对齐研究显示了两者之间的惊人对应性，但此类比较仍受限于特定输入和任务，无法为比较不同模态（视觉、语言或多模态）的人工智能模型的内在组织提供共同基准。本文引入了“类脑空间”（Brain-like Space）的革命性概念：一个统一的几何空间，在该空间中，每个人工智能模型都能通过将其内在空间注意力拓扑组织映射到标准的人类功能脑网络，从而进行精确定位和比较，无论是输入模态、任务还是感官领域。我们对151个基于Transformer的模型进行了广泛分析，涵盖最先进的大型视觉模型、大型语言模型和大型多模态模型，发现该空间内存在一条连续的弧形几何，反映了类脑性的逐渐增强；不同模型在该几何中的分布模式与不同程度的类脑性相关，受制于其模态因素，而不仅仅是其模态，更取决于预训练范式是否强调全局语义抽象，以及位置编码方案是否促进跨模态的深度融合。此外，模型的类脑性程度及其下游任务性能并非“双胞胎”。类脑空间为跨领域定位、量化和比较智能提供了首个统一框架，揭示了连接机器与大脑的深层组织原则。
引用
@article{arxiv.2510.24342,
title = {A Unified Geometric Space Bridging AI Models and the Human Brain},
author = {Silin Chen and Yuzhong Chen and Zifan Wang and Junhao Wang and Zifeng Jia and Keith M Kendrick and Tuo Zhang and Lin Zhao and Dezhong Yao and Tianming Liu and Xi Jiang},
journal= {arXiv preprint arXiv:2510.24342},
year = {2025}
}