[AI]《Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition》C Sripada, R Lewis [University of Michigan] (2026)

在认知科学与人工智能领域，LLM常被误解为与人类完全迥异的“外星智能”。过去的方法受困于对物理载体和学习规模的表层观察，本质原因是未能识别出复杂智能在解决高难任务时必然趋同的组织逻辑。

本文的核心洞见是：把LLM重新看作人类认知的“计算表亲”。由此，建立在产生式架构、双系统推理与预测驱动学习之上的结构对应，使生物与人工智能之间的认知隔阂得以解开。

这项工作真正留下的遗产是确立了跨物种的统一认知原则。它为后来者打开了探索通用智能逻辑的新门，但尚未跨过的门槛是：LLM极低的样本效率，以及缺乏人类那种由生物稳态驱动的复杂动机体系。

arxiv.org/abs/2607.26179 机器学习 人工智能 论文 AI创造营