人工智能启发的做梦理论

过度契合的大脑:一名研究人员在做梦的新理论中称,我们做梦的怪异可能是我们做梦的原因。

照片
插图代表了梦的过度拟合大脑假说,该假说认为梦的稀疏和幻觉性质不是一种缺陷,而是一种特征,因为它有助于防止大脑过度拟合其有偏见的日常学习来源。
来源:格鲁吉亚特纳

关于我们为什么会做梦的问题在科学界是一个分歧很大的话题:很难具体证明为什么会做梦,而神经科学领域充斥着各种假说。灵感来自于深度训练的技巧神经网络美国塔夫茨大学(Tufts University)神经科学研究助理教授埃里克·霍尔(Erik Hoel)提出了一种关于梦的新理论:过度填充大脑假说(overfitted brain hypothesis)。该假说认为,我们梦境的奇异性有助于我们大脑更好地概括我们的日常经验。

“显然,关于我们为什么会做梦的理论多得令人难以置信,”霍尔说。“但我想让大家注意到一个关于梦的理论,这个理论非常严肃地对待梦本身,认为梦的经历是你做梦的原因。”

这是培训中常见的问题人工智能就是它对被训练的数据太熟悉了,它开始假设训练集是它可能遇到的任何东西的完美表示。数据科学家通过在数据中引入一些混乱来解决这个问题;在一种称为“dropout”的正则化方法中,一些数据被随机忽略。想象一下,如果黑盒子突然出现在自动驾驶汽车的内部屏幕上:这是一辆看到随机物体的汽车黑盒在屏幕上,关注周围环境的整体细节,而不是特定驾驶体验的细节,可能会更好地理解驾驶的一般体验。

“深度神经网络最初的灵感来自于大脑,”Hoel说。虽然将大脑与技术进行比较并不新鲜,但他解释说,使用深度神经网络来描述过度契合的大脑假说是一种自然的联系。他说:“如果你观察人们在深度学习正规化中使用的技术,通常会发现这些技术与梦有着惊人的相似之处。”

考虑到这一点,他的新理论认为,梦碰巧使我们对世界的理解不那么简单,而是更加全面——因为我们的大脑,就像深层神经网络一样,也变得过于熟悉我们日常生活中的“训练集”。他认为,为了抵消这种熟悉感,大脑会在梦中对世界产生一个奇怪的版本,这是大脑的“退出”版本。他写道:“正是梦与清醒时的不同之处赋予了它们生物学功能。”

Hoel说,已经有来自神经科学研究的证据支持过度契合大脑假说。例如,有研究表明,唤醒现实生活中发生的事情的最可靠的方法是在醒着的时候重复执行一项新的任务。他认为,当你在一项新任务上过度训练时,就会触发过度适应的状态,然后你的大脑就会试图通过做梦来对这项任务进行概括。

但他相信,还可以做一些研究来确定这是否是我们做梦的真正原因。他说,精心设计的行为测试可以区分泛化和记忆,以及睡眠剥夺对两者的影响。

他感兴趣的另一个领域是“人造梦”的概念。他在思考电影、小说等小说作品的目的时,提出了“过度契合的大脑假说”。现在,他假设,像小说或电视节目这样的外部刺激可以作为梦的“替代品”——它们甚至可以被设计成通过强调睡眠剥夺的梦的性质(例如,通过虚拟现实技术)。

霍尔说,虽然你可以简单地关闭人工神经网络的学习功能,但大脑却做不到这一点。大脑总是在学习新东西——这就是过度适应大脑假说的作用所在。“生活有时很无聊,”他说。“梦想的存在是为了让你不太适应这个世界的模式。”

霍尔在该杂志的一篇综述中描述了他的假设模式

订阅我们的时事通讯

相关文章

人工智能预测行为

人工智能预测行为

由伦敦大学学院的一个国际团队设计的人工神经网络可以转换大脑活动的原始数据,为新发现和技术与大脑之间的更紧密整合铺平了道路。

智能生物标记物,帮助药物开发

智能生物标记物,帮助药物开发

研究人员计划通过尖端技术加快开发治疗脑部疾病的药物。他们正在开发一种基于高密度微电极阵列和人类神经元3D网络的创新技术平台。

芯片上的大脑几乎不需要训练

芯片上的大脑几乎不需要训练

模仿大脑生物学的神经网络可以被装载到一个微芯片上,以实现更快、更高效的人工智能。

记忆能力使神经网络不那么“健忘”

记忆能力使神经网络不那么“健忘”

人工智能专家报告称,他们已经成功解决了提高人工智能能力的一个主要障碍。

神经网络:人工大脑也需要睡眠

神经网络:人工大脑也需要睡眠

在模拟的神经网络中,类似睡眠周期的状态可以抑制人工模拟大脑中不间断的自我学习所带来的不稳定性。

人工智能比全息显示更好

人工智能比全息显示更好

研究人员正在开发新技术,以改善虚拟现实和增强现实技术的3D显示。

神经网络预测眼球运动

神经网络预测眼球运动

科学家们开发了一种软件,可以结合MRI数据进行研究和诊断。

AI Eve增强了基因测试

AI Eve增强了基因测试

一种名为EVE的人工智能模型显示出非凡的能力,可以解释人类基因变异的意义是良性的还是致病的。

人工网络学会了嗅觉

人工网络学会了嗅觉

当被要求对气味进行分类时,人工神经网络采用的结构与大脑的嗅觉回路非常相似。

受欢迎的文章

订阅简报
Baidu