为实现这一突破，团队构建了“分层认知网络”（HCN）模型。该模型结合深度学习的感知能力与符号推理的逻辑性：底层神经网络负责提取图像特征，中层符号系统模拟人类短时记忆和推理过程，顶层则通过概率图模型整合多步结论。在实验中，HCN在视觉问答（VQA）任务中的准确率较传统模型提升27%，尤其在需要多步骤推理的复杂问题上表现尤为突出。团队负责人穆罕默德·阿里博士指出：“我们教会了AI‘为什么’，而不仅是‘是什么’，这是迈向真正智能的关键。”
这一技术突破将加速AI在多个领域的落地。在医疗影像分析中，AI可分步解析病灶特征并推导诊断结论，提升诊断透明度和准确性；自动驾驶系统能通过逐步分析路况信息，做出更符合人类驾驶习惯的决策；机器人则可在复杂环境中自主规划路径并执行任务。此外，HCN模型的可解释性也为AI伦理研究提供了新工具，帮助人类理解并信任机器的决策过程。
