所有人都會做夢。人在睡眠的時候，腦細胞同樣也進入了休息和放松的狀態(tài)，但有一部分腦細胞并沒有完全休息，一些微弱的刺激就會引發(fā)它們的活動，從而讓人們進入夢境。

在大多數(shù)情況下，夢是使人愉快的。當(dāng)我們睡覺時，我們記憶中的視覺和音頻碎片結(jié)合成無意義的片段和全新的故事。松散的回憶瞬間融合了生動、形象的場景，在夢中我們會與已知人物形成的角色進行互動。

做夢并不是睡眠的副產(chǎn)品，而是我們大腦工作的必要過程之一。做夢時，我們的大腦過濾了清醒時收集的信息，然后神經(jīng)系統(tǒng)開始發(fā)揮作用——拋棄不相關(guān)的東西，鞏固重要的東西，以及形成和儲存記憶，這些機制在整個哺乳動物界幾乎都是相同的并且非常行之有效。

那么問題來了：人工智能也需要同樣的機制來過濾、處理信息嗎？

意大利的一組科研人員在數(shù)學(xué)模型上模擬了這個過程，并將其輸入了一個人工智能系統(tǒng)，結(jié)果得出了一種算法，即通過強制它們進入離線睡眠狀態(tài)來擴展人工智能網(wǎng)絡(luò)的存儲容量，在此期間它們強化有用的存儲信息并刪除了不相關(guān)的信息。

Adriano Barra是意大利薩蘭托大學(xué)的理論物理學(xué)家。Barra與他的同事Elena Agliari和Alberto Fachechi正在研究大腦這樣復(fù)雜的系統(tǒng)，并為人類大腦制作了神經(jīng)生物學(xué)的數(shù)學(xué)模型。

“我們的理論物理學(xué)家比工程師有著一些優(yōu)勢，”Barra說?！坝捎跀?shù)學(xué)模型是相同的，所以我們可以將我們的結(jié)果應(yīng)用于人工智能。我們是神經(jīng)生物學(xué)和工程學(xué)之間的橋梁。”

在搞清楚“做夢模型”能為人工智能帶來什么之前，我們先要了解一下現(xiàn)在的人工智能神經(jīng)網(wǎng)絡(luò)的一些問題。

人工智能神經(jīng)網(wǎng)絡(luò)的經(jīng)典藍圖之一是Hopfield模型。它由John Hopfield于1982年開發(fā)，這個模型描述了人工智能神經(jīng)網(wǎng)絡(luò)如何模仿真實大腦的模式識別等機制來學(xué)習(xí)和檢索信息。這個模型雖然發(fā)明于30多年前，但是一直沿用至今，并且在機器學(xué)習(xí)、聯(lián)想記憶、模式識別、優(yōu)化計算等方面依然存在著廣泛的應(yīng)用，是現(xiàn)今人工智能進行深度學(xué)習(xí)的重要理論基礎(chǔ)之一。

Hopfield神經(jīng)網(wǎng)絡(luò)是一種單層互相全連接的反饋型神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)中的每一個神經(jīng)元都將自己的輸出通過連接權(quán)傳送給所有其他神經(jīng)元，同時又接收著其他神經(jīng)元傳遞過來的信息。Hopfield神經(jīng)網(wǎng)絡(luò)最受歡迎的學(xué)習(xí)規(guī)則是赫布學(xué)習(xí)法，它提出了在學(xué)習(xí)過程中如何加強神經(jīng)元之間的突觸（一個神經(jīng)元的沖動傳到另一個神經(jīng)元或傳到另一細胞間的相互接觸的結(jié)構(gòu)）。赫布學(xué)習(xí)法對全球的人腦研究做出了巨大的貢獻，對現(xiàn)今的神經(jīng)科學(xué)、認知科學(xué)、計算機科學(xué)、行為科學(xué)等研究產(chǎn)生著深遠的影響。

然而，這個經(jīng)典藍圖存在一個缺點，通常情況下它只能存儲有限數(shù)量的信息。以數(shù)學(xué)的方式表示，即該對稱網(wǎng)絡(luò)的最大存儲容量為 α~0.14。但是，理論極限是1，或α= 1。

處于“清醒”或在線狀態(tài)的人工智能神經(jīng)網(wǎng)絡(luò)總是在學(xué)習(xí)新的信息模式。然而，除了理想的模式，他們還收集不相關(guān)的，甚至是假的模式。神經(jīng)網(wǎng)絡(luò)可以通過網(wǎng)絡(luò)儲存重要的模式，但存儲錯誤不可避免地會出現(xiàn)，導(dǎo)致不相關(guān)的假模式同樣被儲存。

舉一個例子，在飲料中可口可樂是紅色包裝，雪碧是綠色包裝，在人工智能神經(jīng)網(wǎng)絡(luò)儲存有關(guān)這些飲料的詳細信息同時，也會收集到一些冗余的信息例如，紅色罐子包裝的茶葉，綠色瓶裝的花露水等等。最終達到最大容量0.14 。

事實上我們可以將人類的大腦視作為一臺精密的人工智能儀器，處于清醒狀態(tài)的我們接收外部的信息并將其儲存于大腦（硬盤）于是形成了記憶。我們也會接觸到一些“無用“（與我們的生活不相關(guān)的）信息，這些信息同樣會被儲存于我們的大腦。我們大腦的容量同樣有限。但這大多不會影響我們的決策（大腦依據(jù)有用信息運算出來的結(jié)果）。

同樣，在人工智能神經(jīng)網(wǎng)絡(luò)中，有限的容量并不能阻止人工智能執(zhí)行特定的任務(wù)，但是這些無用的數(shù)據(jù)會堵塞寶貴的空間，這是浪費和低效的。意大利團隊的解決方案是，利用一種算法，它會迫使網(wǎng)絡(luò)進入離線階段，與哺乳動物睡眠相呼應(yīng)，用于強化重要記憶并消除不相關(guān)記憶。如果不能及時擺脫虛假錯誤的信息，短時間內(nèi)影響不大，但隨時時間的推移，錯誤信息越來越多，神經(jīng)網(wǎng)絡(luò)或許就不再能區(qū)分可樂和雪碧。

哺乳動物的大腦也在不斷收集新的信息模式。但就像一艘不分青紅皂白拖著海床生物的漁船一樣，他們的大腦也汲取了不重要的細節(jié)。

“當(dāng)你醒著時，你會被動地存儲大量信息，你真的不需要它而且真的不想存儲它，“Barra說，“所以，我們需要通過睡眠來擺脫清醒時收集的虛假或者無用信息?！?/p>

在快速眼動（REM）睡眠期間，即做夢的睡眠階段，我們的大腦正忙著擦除無關(guān)的記憶。這也為存儲新的信息提供了空間。在慢波（SW）睡眠中，重要的記憶得到加強。雖然大多數(shù)夢境發(fā)生在REM期間，但我們也可能會遇到在SW睡眠期間難以回憶的模糊夢境。難以回憶的信息，其實就是我們大腦在睡眠的時候為我們刪除的無用信息。哺乳動物的大腦使用睡眠和做夢的高效機制來清理大腦的存儲空間，研究小組對這一事實的分析就是他們研究算法的起點。他們通過神經(jīng)生物學(xué)論文分析大腦在睡眠時的現(xiàn)象，并嘗試用數(shù)學(xué)方式對其進行建模?！叭绻覀儗⑦@個數(shù)學(xué)模型應(yīng)用于Hopfield模型，會發(fā)生什么呢？”Barra問道。

他們的回答以論文的形式發(fā)表于四月的《Neural Networks》 （《神經(jīng)網(wǎng)絡(luò)》）上。在新框架下，人工網(wǎng)絡(luò)于在線或清醒會話期間，會學(xué)習(xí)和存儲信息。但是，當(dāng)存儲容量達到0.14時，網(wǎng)絡(luò)將被強制進入離線或休眠狀態(tài)。這個睡眠狀態(tài)用于刪除不相關(guān)的信息并整合重要的東西，或者更專業(yè)地，用于“虛假模式去除和純模式（對于執(zhí)行任務(wù)有用的信息模式）增強”。通過實施新的離線方案，團隊能夠釋放存儲空間并將容量增加到1。

進化以及自然選擇，已經(jīng)為現(xiàn)代哺乳動物提供了大腦在睡眠狀態(tài)下識別信息的標(biāo)準(zhǔn)，但人工智能神經(jīng)網(wǎng)絡(luò)則需要人類來承擔(dān)這項任務(wù)?！八晕覀儽仨殞ι窠?jīng)網(wǎng)絡(luò)說，這些信息很重要，要注意它，那些并不重要，要把它們刪掉，”巴拉說，“他們沒有重要性的概念?！?/p>

所以，我們的答案是，人工智能同樣需要睡眠。隨著數(shù)學(xué)模型基本構(gòu)建完成，Barra的工作已經(jīng)告一段落，進入了軟件工程師實施算法的階段?；蛟S，Barra也可以小睡一會了。