旧番电梯探险：揭秘1-4集经典动画《电梯小队》的神秘剧情与惊喜元素关注环境的问题，难道我们就能选择性失明？，需要认真对待的议题，你打算如何参与？
假设我们的主角是一个名叫托马斯的普通高中生，他常常在放学后搭乘电梯回家。一次偶然的机会，他在一部名为《电梯小队》的老式电梯中遇到了一段前所未有的冒险故事。
这部以电梯为背景的小说讲述了一个由一群热爱科学和冒险的年轻人组成的团队，他们乘坐老旧的电梯探索未知的世界，寻找隐藏的秘密和不为人知的历史。在这个过程中，他们不仅要面对各种挑战和危险，还需要解决一系列看似无关紧要的问题，比如电梯中的诅咒、诡异的门禁系统以及电梯内的各种谜题等。
从《电梯小队》的第一集开始，我们就看到了这个小组成员们的独特性格和对科学的热情。托马斯是这个团队的核心，他的勇敢、机智和好奇心使他总是能够找到解决问题的关键线索。而他的队友们——卡尔、艾米丽、汤姆和黛比，则各具特点，他们在各自的领域有着深厚的积累和丰富的经验，使得他们在面对困境时能够冷静应对，同时也能提供有价值的建议和意见。
这部动画的故事主线清晰，每一个场景都充满了惊喜和悬念。比如，在第一集中，当托马斯乘坐电梯前往学校时，却发现电梯似乎出了故障，无法正常运行。在这种情况下，他的团队必须通过自己的智慧和勇气，利用他们的科技知识和设备进行修复。虽然过程困难重重，但最终他们成功地解除了电梯的故障，并且找到了电梯的电源来源，从而打开了电梯的大门，带领大家走出困境。
接下来的一季，随着故事的发展，托马斯等人逐渐揭示了电梯背后的真相。原来，这部电梯的设计者是一位充满争议的科学家，他试图研发一种新型电梯，但却遭遇了一系列无法预测的技术难题。为了保护研究者的秘密，他被迫将电梯封闭在一个封闭的空间内，任凭时间流逝，电梯内部逐渐出现了一些异常的现象。这时，托马斯和他的朋友们介入其中，通过对电梯内部结构的研究和分析，他们发现了一种能够阻止电梯内部进一步发展和破坏的特殊材料。
这一系列的剧情不仅展示了电梯作为一种交通工具在现代社会的重要作用，还展现了团队合作和科学探索的重要性。托马斯和他的队员们不仅在解决问题的过程中展示了他们的勇气和智慧，也在帮助科学家保护研究成果的也推动了科学的发展和进步。
在《电梯小队》的最后一集中，托马斯等人成功地阻止了电梯的设计者的工作，维护了电梯的安全，并且成功带回了科学家的研究成果。这场电梯探险不仅是对科幻小说的致敬，也是对现代科技进步的一种警示。它告诉我们，只有依靠团队的力量和科学的精神，才能克服一切困难，实现我们的目标。
《电梯小队》是一部富有想象力和深度的经典动画，它为我们呈现了一段惊险刺激的电梯探险之旅，让我们体验到了科学的魅力和团队的力量。无论是托马斯的勇气和智慧，还是卡尔、艾米丽、汤姆和黛比的才华和贡献，都在这部动画中得到了淋漓尽致的展现。这也让我们更加珍惜我们拥有的日常生活，因为每当我们乘坐电梯，都是在向未知世界的探索迈进，每一次探险都有可能开启一个新的世界，带来新的惊喜和机遇。
IT之家 6 月 11 日消息，IT之家从中国科学院自动化研究所微信公众号获悉，近日该所神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的联合团队结合行为实验与神经影像分析，首次证实多模态大语言模型（MLLMs）能够自发形成与人类高度相似的物体概念表征系统。这项研究不仅为人工智能认知科学开辟了新路径，更为构建类人认知结构的人工智能系统提供了理论框架。相关研究成果以 Human-like object concept representations emerge naturally in multimodal large language models 为题，发表于《自然・机器智能》（Nature Machine Intelligence）。
人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。当我们看到“狗”“汽车”或“苹果”时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义 —— 这种多维度的概念表征构成了人类认知的基石。
传统人工智能研究聚焦于物体识别准确率，却鲜少探讨模型是否真正“理解”物体含义。论文通讯作者何晖光研究员指出：“当前 AI 能区分猫狗图片，但这种‘识别’与人类‘理解’猫狗的本质区别仍有待揭示。”团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式。研究采用认知心理学经典的“三选一异类识别任务”（triplet odd-one-out），要求大模型与人类从物体概念三元组（来自 1854 种日常概念的任意组合）中选出最不相似的选项。通过分析 470 万次行为判断数据，团队首次构建了 AI 大模型的“概念地图”。
实验范式示意图。a，物体概念集及带有语言描述的图像示例。b-d，分别针对 LLM、MLLM 和人类的行为实验范式和概念嵌入空间。
研究人员从海量大模型行为数据中提取出 66 个“心智维度”，并为这些维度赋予了语义标签。研究发现，这些维度是高度可解释的，且与大脑类别选择区域（如处理面孔的 FFA、处理场景的 PPA、处理躯体的 EBA）的神经活动模式显著相关。