研究人員首度證實，人工智慧（AI）大型語言模型（LLMs）能自發性地建立類似人類的系統，用以理解並分類自然物體，而這過程被視為人類認知的支柱。這項發現為有關人工智慧模型認知能力的爭論提供了新證據，顯示反映人類思維關鍵面的人工系統是可能實現的。
研究團隊在週二發表於《自然-機器智能》（Nature Machine Intelligence）期刊的論文中指出：「理解人類如何將自然物體概念化並分類，能為感知與認知力提供了重要洞見。」
「隨著大型語言模型的出現，一個核心問題浮現：這些模型能否從語言與多模態數據中發展出類似人類的客體表徵？」而大型語言模型是根據海量文本數據訓練的人工智慧模型，若是多模態大型語言模型（MLLMs），則涵蓋視覺和音訊資料，用以處理各類任務。
透過語言與多模態數據的訓練，如OpenAI的ChatGPT與Google的Gemini等模型，在推理、概念傳達、物件識別與資訊分類上，展現出顯著能力。儘管這些模型展現的能力令人印象深刻，但研究顯示，人工智慧在處理涉及如類比思考等人類認知深層元素的任務時，仍面臨困難。
