神经网络学习模式启发关于做梦的假说

　　英语课上，你仅穿着一条内裤坐在前排，这时周杰伦走进教室，一手拿着麦克风，一手拿双节棍，邀请你上台表演魔术。
　　你说：＂为什么不呢？＂你接过双节棍，然后惊出一身冷汗，黑暗逼近，你低声对自己说：＂……带到群星归位时，我为什么不签订契约成为马猴烧酒呢？＂
　　几十年前，心理学家大胆地解释了为什么想象力会在你我陷入梦乡时，编织出奇怪的、不受约束的剧情——普遍共识是，大脑在整理清醒时获取的信息。
　　这一切都很好，但说真的，他们有必要这么……嗯，怪异吗？
　　塔夫茨大学的神经科学家Erik Hoel从神经网络学习模式中获得灵感，认为 做梦 本身就是它的目的，梦境的怪异可能是一个特点，而非缺点。
　　＂关于我们为什么做梦，显然有大量的理论，但我想让大家注意到一个 重视做梦 本身的理论——练习做梦，熟练做梦，就是你做梦的原因。＂
　　就像我们教孩子如何阅读一样，训练一个程序以类似人类的方式识别模式，需要反复运行包含特定东西——比如字母的排列——共同场景。
　　计算机工程师发现，重复可以帮助程序越来越擅长识别共同元素，但在处理现实问题时，AI就会努力寻找某种共同元素——问题是，现实问题里，未必存在那种东西；所以AI就可能把某些不同的问题，牵强地识别为同一模式。
　　这个问题被称为过度拟合。
　　幸运的是，计算机科学家想出了解决方法。一种是抛出更多的情景，就像给学生越来越多的书。迟早有一天，课程的多样性会反映出日常生活的复杂性。
　　另一种方法是打破AI的惯性。通过以某种方式增强数据(如颠倒符号)，迫使程序认清，总是存在已知模式外的情况。
　　这些方法有助于提高AI应对现实的能力，但无论如何，总会有AI束手无策的时候。
　　也许最聪明的方法被称为 辍学。教导AI忽略——或放弃——对象的随机特征。
　　做梦就有点像是人脑对过拟合的矫正， Hoel用 辍学 的基本思想方法来考察人类大脑，发展出 ＂过度适应大脑假说＂。
　　＂如果你看一下人们在深度学习的正则化中使用的技术，通常情况下，这些技术与梦境有一些惊人的相似之处。＂
　　梦境就是大脑在提醒自己，不要从偶然事件中，寻找共同特征。
　　尽管做梦的本质使得我们很难检验这些假说，但检验过度适应大脑假说的实验将侧重于概括能力而非记忆力。
　　＂生活有时很无聊，梦的存在是为了让你不至于变得过于适合世界的模型。＂
　　所以拿上双节棍，告诉老师，你已经知道秋刀鱼的味道，然后成为魔法少女吧。当你醒来的时候，大脑会感谢你的。
　　这项研究发表在《模式》上。
　　https://www.sciencealert.com/ai-research-suggests-weird-dreams-might-help-our-brains-keep-reality-in-check